[发明专利]一种基于自适应抽样的离散型软件可靠性增长测试与评估方法

说明书

本发明提出了一种基于自适应抽样选取测试用例的离散型软件可靠性增长测试与评估方法，属于软件可靠性工程领域。本方法在传统软件可靠性增长测试的基础上，将自适应抽样方法应用于Musa操作剖面，通过调节操作剖面的发生概率来控制测试用例的抽取，旨在缺陷多的区域，增加测试用例的抽取数量，在缺陷少的区域，减少测试用例的抽取数量，形成可靠性测试的自适应调节反馈机制，利用KLD采样原理确定下一轮测试所需的测试用例量，改变传统的简单随机抽样为随机组抽选法抽样，保证与传统的软件可靠性增长测试在评估结果上的无偏性。本发明具有较好的测试效率，相比传统测试方法，测试用量少，测试结果也准确。

技术领域

本发明属于软件可靠性工程领域，尤其涉及软件可靠性测试和评估领域，具体地说，是指一种基于自适应抽样选取测试用例的离散型软件可靠性增长测试与评估方法。

背景技术

软件可靠性测试对于软件的质量保证具有极其重要的意义，一方面需要通过软件可靠性增长测试不断排除对软件可靠性具有重要影响的软件缺陷，实现软件可靠性水平的不断增长以满足用户对软件可靠性的要求；另一方面则需要通过软件可靠性验证测试来判断软件是否已经达到要求的可靠性水平，进而决定软件能否接收或者发布。

但目前，软件可靠性测试的应用并不理想，在传统可靠性测试理论和方法指导下的数量庞大的测试用例是导致其裹足不前的一个重要原因，对于高可靠软件来说，这样的问题尤为突出。分析原因，传统的可靠性测试方法只利用了测试结束时的信息，没有利用测试过程中的信息，因此在信息量的利用上还不够充分，所以一般来说，需要利用的测试用例数量较多。因此，如何提高传统软件可靠性测试的效率，加速软件可靠性测试的进程，在尽可能少的时间和花费下完成规定的可靠性测试目标，成为当前软件可靠性方向的研究人员不得不考虑的问题。

蔡开元及所在团队提出了基于控制论的软件自适应测试方法，以受控马尔可夫链为基础，被测软件当作受控对象，相应测试策略当作控制器，并根据预先制定好的测试目标，利用在线收集的测试数据，对相关参数进行在线估计，进一步优化软件测试策略。该方法是一种软件缺陷测试方法，不强调具体的测试类型和控制策略，是一种框架层面的抽象方法，由于测试模型中对部分假定条件进行了特殊化处理，从而限制了模型的适用范围及效率；Tsong Yueh Chen提出了一种自适应随机测试方法来提高随机测试的有效性，每次随机产生一定数量的测试用例组成候选测试用例集合，然后从该集合中选择一个与当前所有已测测试用例距离最远的候选测试用例作为下一个测试用例。这样，产生的每一个测试用例都与已测测试用例相距甚远，从而增大所产生的测试用例落在失效区域的概率，也使得产生的所有测试用例能够均匀分布于整个输入域中。但是，该方法存在两个问题：一是算法开销，产生第n个测试用例所需要的时间复杂度为，二是随着输入域维数的增加，测试方法的有效性迅速下降，甚至比随机测试还差。并且，该方法中的随机测试并不指向可靠性测试，因此也不以可靠性测试目标和特征为基本出发点。

因此，如何在以传统操作剖面为基础的情况下研究自适应抽样的软件可靠性测试，且对软件可靠性增长测试和软件可靠性评估进行全面的研究和考虑，具有重要的研究意义和应用价值。

发明内容

本发明为了解决传统Musa操作剖面的软件可靠性测试效率低的问题，提供了一种基于针对离散型软件的自适应抽样的软件可靠性增长测试与评估方法。

本发明提供的基于自适应抽样的软件可靠性增长测试与评估方法，具体步骤为：

第一步，构造被测软件的传统Musa操作剖面，从而得到各个操作和与其相对应的发生概率；

第二步，根据构造的操作剖面进行随机抽样生成n个测试用例(n的取值通常由经验确定，即在传统操作剖面指导下完成所需可靠性测试增长目标需要的测试用例个数，一般来说，n是个相对较大的数值)；