软件学报

作者：张卓，雷晏，毛晓光，薛建新，常曦

单位：张卓，广州商学院 信息技术与工程学院, 广东 广州 51070011,雷晏，重庆大学 大数据与软件学院, 重庆 40133102,毛晓光，国防科技大学 计算机学院, 湖南 长沙 41007303,薛建新，上海第二工业大学 计算机与信息工程学院, 上海 20012704,常曦，上海第二工业大学 计算机与信息工程学院, 上海 20012705

关键词：缺陷定位;测试用例;对抗生成网络;数据增强;可疑值

基金：国家自然科学基金(62272072);中央高校基本科研业务费(2022CDJDX-005)

缺陷定位获取并分析测试用例集的运行信息, 从而度量出各个语句为缺陷的可疑性. 测试用例集由输入域数据构建, 包含成功测试用例和失败测试用例两种类型. 由于失败测试用例在输入域分布不规律且比例很低, 失败测试用例数量往往远少于成功测试用例数量. 已有研究表明, 少量失败测试用例会导致测试用例集出现类别不平衡问题, 严重影响着缺陷定位有效性. 为了解决这个问题, 提出基于对抗生成网络的缺陷定位模型域数据增强方法. 该方法基于模型域(即缺陷定位频谱信息)而非传统输入域(即程序输入), 利用对抗生成网络合成覆盖最小可疑集合的模型域失败测试用例, 从模型域上解决类别不平衡的问题. 实验结果表明, 所提方法大幅提升了11种典型缺陷定位方法的效能.

来源：2024年第5期

《软件学报》期刊编辑部

查看软件学报杂志2024年第5期