基于加權(quán)軟件行為圖挖掘的錯(cuò)誤定位和錯(cuò)誤理解方法研究.pdf

1、目前，計(jì)算機(jī)軟件已廣泛應(yīng)用于多個(gè)領(lǐng)域中，其規(guī)模也日趨龐大和復(fù)雜，人們投入大量精力來(lái)保證軟件的質(zhì)量，并提出了很多自動(dòng)化軟件錯(cuò)誤定位方法，用來(lái)幫助開(kāi)發(fā)者快速定位到軟件中的錯(cuò)誤。
　　但是，大部分錯(cuò)誤定位方法的結(jié)果都是一個(gè)語(yǔ)句的可疑值序列，其中按照可疑值降序的順序列出了不同語(yǔ)句的可疑值。但是，僅僅單獨(dú)檢查給出的一條可疑語(yǔ)句，開(kāi)發(fā)者很難理解錯(cuò)誤是如何產(chǎn)生的，往往還需要更多與錯(cuò)誤相關(guān)的上下文信息。
　　針對(duì)這一問(wèn)題，本文完成了以下工作

2、：
　　首先，基于抽象語(yǔ)法樹(shù)對(duì)待測(cè)程序進(jìn)行語(yǔ)句級(jí)別和邏輯表達(dá)式級(jí)別兩種不同粒度的插樁，并得到相應(yīng)的程序執(zhí)行路徑。由于目前缺乏簡(jiǎn)單易用的C語(yǔ)言詞法語(yǔ)法分析工具，因此本文使用C＃語(yǔ)言實(shí)現(xiàn)了一個(gè)C語(yǔ)言詞法語(yǔ)法分析工具CParser。
　　其次，為提高錯(cuò)誤定位精度，提出了加權(quán)軟件行為圖，將語(yǔ)句執(zhí)行頻率作為權(quán)重，可以更好的處理循環(huán)和遞歸等結(jié)構(gòu)。根據(jù)成功執(zhí)行和失敗執(zhí)行的程序執(zhí)行路徑，分別構(gòu)造出相應(yīng)的加權(quán)軟件行為圖。
　　然后，利用

3、基于分支限界搜索的加權(quán)軟件行為圖挖掘算法，識(shí)別成功和失敗的加權(quán)軟件行為圖之間最有差異的子圖作為錯(cuò)誤簽名，最后得到的Top-K錯(cuò)誤簽名作為錯(cuò)誤定位和錯(cuò)誤理解的依據(jù)，并給出錯(cuò)誤簽名用于錯(cuò)誤理解的實(shí)例。
　　最后，使用Siemens Suit對(duì)本文方法進(jìn)行了測(cè)試，分別分析本文方法的錯(cuò)誤定位精度，對(duì)不同類(lèi)型的錯(cuò)誤的定位精度，以及邏輯表達(dá)式級(jí)別插樁對(duì)錯(cuò)誤定位精度的改進(jìn)。結(jié)果表明，本文方法的錯(cuò)誤定位精度較高，對(duì)冗余代碼、缺失代碼和變量替換錯(cuò)誤