教学课程资源库 更多>>

关键词： 软件测试   测试用例生成   聚类   进化算法  

摘要： 针对复杂软件中测试用例难生成问题,提出一种融入聚类和进化算法的软件缺陷测试方法,开发一套智能软件测试系统。首先,对被测程序采用变异测试方法注入缺陷;基于不同策略对缺陷聚类。然后,针对多个缺陷簇,建立测试用例生成问题的优化模型,并采用进化算法生成能检测缺陷的测试用例。最后,基于不同评价指标,完成软件测试报告。测试结果表明,基于测试用例检测缺陷的成功率、缺陷率,以及消耗时间和迭代次数等指标,验证了所提方法提高了检测缺陷检测率、降低了测试的时间及提高了测试用例生成的效率。由此可见,人工智能融于软件测试技术,不仅提升了软件测试效率,而且丰富人工智能应用领域。

关键词： 黑猩猩优化算法   LHS序列   正余弦扰动因子   软件测试   测试数据生成  

摘要： 自动生成测试数据的关键在于能否生成覆盖率高、纠错能力强的数据。针对目前测试数据生成效率低及黑猩猩优化算法仍存在易陷入局部最优、收敛精度低等问题,提出一种正余弦扰动策略黑猩猩优化算法(chimp opti-mization algorithm for sine-cosine perturbation strategy,SC-ChOA)。使用拉丁超立方策略初始化种群,增强种群的多样化;引入非线性衰减收敛因子来平衡算法的全局和局部勘探能力;在位置更新时添加正余弦扰动因子,避免群体陷入局部范围搜索而导致的算法停滞现象。使用测试函数与标准黑猩猩优化算法及常用的遗传算法进行对比实验,验证算法的有效性;将改进算法应用到测试数据生成领域,通过在桩中插入分支函数来建立适应度函数,以促进测试数据的优化。为验证改进算法在测试数据生成方面的有效性,使用多个基准程序进行算法对比实验,结果表明SC-ChOA在测试数据生成的覆盖率、平均迭代次数和运行时间上均有明显优势。

关键词： 软件测试   目标-问题-度量模型   模糊数学   测试质量   质量评价   多级模糊综合评价  

摘要： 软件测试作为保证软件质量的重要手段,越来越受到重视,软件测试时间占整个项目周期的比重也越来越高,如何评价和提高软件测试质量是一个非常重要的研究课题。聚焦软件测试质量评价的目标,提出基于目标-问题-度量(GQM)模型的多级模糊软件测试质量综合评价方法,通过GQM模型分析得到6个直接度量元和22个二级度量元,给出每个二级度量元的计算方法;在度量元和目标之间采用多级模糊综合评价方法,建立量化的软件测试质量数学评价模型;同时给出了软件测试质量评价流程,进行软件测试质量评价。所提评价方法在实际项目中进行了应用,实践证明,使用所提方法开展软件测试质量评价不仅可以量化测试质量,还能提高测试质量。

关键词： 日志挖掘   联锁软件   测试用例   频繁模式挖掘   遗传算法  

摘要： 为提高联锁软件的可靠性,避免逻辑运算出现失误,提出基于日志挖掘的联锁软件测试用例生成算法。将联锁系统软件分为人机对话、联锁运算与任务执行三个模块,分析不同模块执行的具体任务;采用支持向量机分类算法,清洗从联锁系统中采集的日志数据;通过频繁模式挖掘算法,根据支持度阈值挖掘用户日志,了解用户操作行为;分析挖掘结果生成测试项目,以语句覆盖和分支覆盖为生成准则;使用遗传算法,设计编码方式,设置适应度函数与遗传算子,构建测试用例生成模型。仿真结果表明,所提算法生成用例的漏检率与误检率较低,可节省测试开销,优化软件性能。

关键词： 马尔可夫模型   软件测试   测试充分性准则   二阶马尔可夫   改进相对熵   测试用例生成   单元测试  

摘要： 为解决基于一阶Markov模型的软件测试充分性准则不精确、充分性判定过程容易产生误判的问题,在分析现有的软件测试充分性准则的基础上,提出一种基于二阶Markov模型的改进相对熵测试充分性判别准则。消除单纯Markov模型的“一阶无后效性”影响并将原始相对熵进行边界化处理和对称性设计,使测试执行过程更加充分和稳定。数值实验结果表明,在不降低可信性的前提下,该方法能有效解决测试用例生成过程过早收敛的问题、增强测试充分性判定的稳定性,对单元测试的测试用例生成策略的优化设计有一定的指导意义。

关键词： 快速直流开关   软件开发   软件测试  

摘要： 本文介绍了船用快速直流开关控制软件的设计开发过程,实现了断路器分断和闭合控制、过载长延时保护、短路电流保护、事件记录等基本功能,并通过软件测试验证了该软件的功能,为该类软件的开发和设计提供了参考,对于提高舰船电力系统的安全性具有实际意义。

关键词： 软件测试   问题   管理   优化  

摘要： 软件测试是指在将软件交付给用户之前,对软件需求、设计规范和相关代码进行有效的测试和评估。它是软件开发过程中必至关重要的一个环节。只有有效地实施软件测试,才能从根本上保证软件的质量和可靠性。本文分析了软件测试中存在的问题,并提出了有效的对策。

关键词： 人工智能安全   机器学习安全   机器学习模型测试   机器学习模型修复   软件测试   软件修复  

摘要： 近年来,以机器学习算法为代表的人工智能技术在计算机视觉、自然语言处理、语音识别等领域取得了广泛的应用,各式各样的机器学习模型为人们的生活带来了巨大的便利.机器学习模型的工作流程可以分为三个阶段.首先,模型接收人工收集或算法生成的原始数据作为输入,并通过预处理算法(如数据增强和特征提取)对数据进行预处理.随后,模型定义神经元或层的架构,并通过运算符(例如卷积和池)构建计算图.最后,模型调用机器学习框架的函数功能实现计算图并执行计算,根据模型神经元的权重计算输入数据的预测结果.在这个过程中,模型中单个神经元输出的轻微波动可能会导致完全不同的模型输出,从而带来巨大的安全风险.然而,由于对机器学习模型的固有脆弱性及其黑箱特征行为的理解不足,研究人员很难提前识别或定位这些潜在的安全风险,这为个人生命财产安全乃至国家安全带来了诸多风险和隐患.研究机器学习模型安全的相关测试与修复方法,对深刻理解模型内部风险与脆弱性、全面保障机器学习系统安全性以及促进人工智能技术的广泛应用有着重要意义.本文从不同安全测试属性出发,详细介绍了现有的机器学习模型安全测试和修复技术,总结和分析了现有研究中的不足,探讨针对机器学习模型安全的测试与修复的技术进展和未来挑战,为模型的安全应用提供了指导和参考.本文首先介绍了机器学习模型的结构组成和主要安全测试属性,随后从机器学习模型的三个组成部分即数据、算法和实现,六种模型安全相关测试属性即正确性、鲁棒性、公平性、效率、可解释性和隐私性,分析、归纳和总结了相关的测试与修复方法及技术,并探讨了现有方法的局限.最后本文讨论和展望了机器学习模型安全的测试与修复方法的主要技术挑战和发展趋势.

关键词： 模糊测试   漏洞挖掘   软件测试   协议测试  

摘要： 随着人们对软件系统安全问题关注度的不断提升,模糊测试作为一种用于安全漏洞检测的安全测试技术,具有自动化程度高、误报率低等优点,其应用越来越广泛,地位也越来越重要。经过近些年的不断改进,模糊测试无论在技术发展上还是在应用创新上,都取得了诸多成就。首先,对模糊测试的相关概念和基本理论进行简要说明,总结了模糊测试在各领域的应用情况,针对不同领域的漏洞挖掘需求,分析得出相应的模糊测试解决方案。其次,重点总结了近几年来模糊测试的重要发展成果,包括测试工具、框架、系统及方法的改进与创新,并分析总结了各发展成果所采用的创新方法,提出的理论以及各工具、系统的优点与不足。最后,分别从协议逆向工程应用、云平台建设、新兴技术结合、模糊测试对抗技术研究及模糊测试工具集成的角度,为模糊测试下一步的研究提供了方向参考。

关键词： 文档生成   知识提取   表格识别   计算机辅助写作   软件测试  

摘要： 测试文档是产品的重要组成部分,与测试数据紧密相关,且有严格的编制要求。针对以往测试文档编写中存在的重复繁琐、灵活性不高、效率低下等问题,运用数据到文本的生成理论,该文提出了一种基于知识提取的测试文档生成方法。该方法首先对原始的测试记录数据进行分析和理解,重点进行电子表格的表头识别和单元格关联关系识别,抽取出表格数据的逻辑关系;再根据规范化的测试本体,转换成规范的知识表达,形成测试知识的结构化表示并记录于测试知识库中;最后通过局部文档模板的填充,逐步形成整体的测试文档。该方法解决了灵活多变的测试记录导致的软件重复开发的一系列问题,有利于测试结果的有效利用。此外,自底向上的文档构造方式有助于按需展现内容,提高测试文档的可读性。