一种基于变异的深度学习程序的缺陷定位的方法

    公开(公告)号:CN118035118A

    公开(公告)日:2024-05-14

    申请号:CN202410331801.X

    申请日:2024-03-22

    申请人: 重庆大学

    IPC分类号: G06F11/36 G06N20/00

    摘要: 本发明公开一种基于变异的深度学习程序缺陷定位方法,用于定位深度学习程序中带有缺陷的语句。该方法利用变体深度学习程序与原始程序的测试结果不同,帮助准确定位深度学习程序的缺陷语句。本发明方法在深度学习程序上定义并利用深度学习变异算子来模拟源自深度学习程序的缺陷行为,并对深度学习程序的每条语句进行突变。然后,本发明方法评估从原始深度学习程序与变异的深度学习程序之间的训练结果差异,从而将有缺陷的语句与变异语句联系起来。最后,计算得到每条语句有缺陷的可疑值。

    一种基于上下文感知的缺陷定位方法

    公开(公告)号:CN112965894B

    公开(公告)日:2023-07-07

    申请号:CN202110152656.5

    申请日:2021-02-04

    申请人: 重庆大学

    摘要: 本发明涉及一种基于上下文感知的缺陷定位方法,该方法利用程序切片技术构建一个缺陷上下文,该上下文可表示为一个用程序依赖图表示的有向图,图中节点为和失败有直接或间接关联关系的语句,边为这些语句之间的关联关系。基于该图,CAN将图中的每一个节点均采用one‑hot编码嵌入节点表示向量,并且利用GNN来获取语句之间的依赖关系,CAN在这些节点表示向量的基础上通过利用测试用例进行训练,从而可以获得更精确的节点表示向量。最后,通过将有缺陷的目标程序的缺陷上下文语句中的每一条语句均只被一个测试用例覆盖且一个测试用例也只覆盖一条缺陷上下文语句的方法,构建一个虚拟测试用例集。将这个测试用例集输入训练好的GNN中得到每个语句的可疑值。本方法以分析缺陷上下文并将其纳入可疑性评估以改善缺陷定位,经过试验分析可知本发明方法可以显着提高缺陷定位的有效性。

    一种模型域的失败测试用例生成方法

    公开(公告)号:CN112685327B

    公开(公告)日:2023-06-27

    申请号:CN202110115994.1

    申请日:2021-01-28

    申请人: 重庆大学

    摘要: 本发明涉及一种模型域的失败测试用例生成方法,该方法首先定义了一个最小可疑集合,从所有失败测试用例中抽取共同的特征,之后对于模型域中每一个失败的测试用例在保留失败测试用例的共同特征的基础上对非共同特征的信息进行变异,从而产生新的模型域的失败测试用例。最后,将新增的模型域的失败测试用例融入原有测试用例集中并进行缺陷的定位。本发明方法使用变异的最近邻算法来生成模型域的失败测试用例向量,从而达到提升缺陷定位效果的目的,和传统的从输入域生成测试用例的方法不同,本发明方法要更加简单有效,它不用通过程序执行来获取一个失败的标签。

    一种使用生成式网络进行失败测试用例生成的方法

    公开(公告)号:CN113836027A

    公开(公告)日:2021-12-24

    申请号:CN202111145441.7

    申请日:2021-09-28

    申请人: 重庆大学

    摘要: 本发明涉及一种使用生成式网络进行失败测试用例生成的方法,该方法首先使用特征选择算法,对原始覆盖矩阵进行降维,从而获取原始覆盖矩阵的低维特征空间,之后建立一个条件变分自编码深度学习模型,将低维特征空间作为训练数据,使用反向传播算法进行参数更新,从而训练出一个能够生成失败测试用例的生成器。利用该生成器,生成失败测试用例,直到失败测试用例与成功测试用例数目相同。最后,将新增的失败测试用例融入原有测试用例集中并进行缺陷的定位。本发明方法使用一种改良的主成分分析算法对原始矩阵进行降维,并使用条件自编码器生成失败测试用例,从而缓解数据不平衡问题,达到提升缺陷定位效果的目的。

    信度熵和基于其测量信息不确定性的冲突数据融合方法

    公开(公告)号:CN113128625A

    公开(公告)日:2021-07-16

    申请号:CN202110525811.3

    申请日:2021-05-13

    申请人: 重庆大学

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种信度熵和基于其测量信息不确定性的冲突数据融合方法,该方法首先采用BPA对不确定性信息进行建模,然后使用开放邓熵(ODE)度量BPA的不确定性。之后,计算每个证据函数的权重以修改概率密度函数。最后,使用Dempster的组合规则进行数据融合。该方法的数据融合结果对故障结论有较高的信度度支持,更有利于实际工程中的应用。

    一种模型域的失败测试用例生成方法

    公开(公告)号:CN112685327A

    公开(公告)日:2021-04-20

    申请号:CN202110115994.1

    申请日:2021-01-28

    申请人: 重庆大学

    IPC分类号: G06F11/36 G06N3/04 G06N3/08

    摘要: 本发明涉及一种模型域的失败测试用例生成方法,该方法首先定义了一个最小可疑集合,从所有失败测试用例中抽取共同的特征,之后对于模型域中每一个失败的测试用例在保留失败测试用例的共同特征的基础上对非共同特征的信息进行变异,从而产生新的模型域的失败测试用例。最后,将新增的模型域的失败测试用例融入原有测试用例集中并进行缺陷的定位。本发明方法使用变异的最近邻算法来生成模型域的失败测试用例向量,从而达到提升缺陷定位效果的目的,和传统的从输入域生成测试用例的方法不同,本发明方法要更加简单有效,它不用通过程序执行来获取一个失败的标签。

    一种基于类间学习进行失败测试用例合成的方法

    公开(公告)号:CN116501614A

    公开(公告)日:2023-07-28

    申请号:CN202310352757.6

    申请日:2023-04-04

    IPC分类号: G06F11/36

    摘要: 本发明公开了一种基于类间学习进行失败测试用例合成的方法,该方法首先抽取出两条结果不同的测试用例。之后对这两条测试用例中的语句分配不同的权值,然后随机生成一个切割位置,合成新的测试用例,利用BC公式计算合成测试用例对应的标签。最后,将新的合成测试用例和对应的标签加入原数据集中,作为缺陷定位方法的输入。该方法基于类间学习合成对缺陷定位方法有用的合成测试用例,更有利于实际工程中的应用。

    一种通过分配基本信度来管理冲突数据证据的融合方法

    公开(公告)号:CN113139619A

    公开(公告)日:2021-07-20

    申请号:CN202110522961.9

    申请日:2021-05-13

    申请人: 重庆大学

    IPC分类号: G06K9/62 G06F17/15

    摘要: 本发明公开了一种通过分配基本信度来管理冲突数据证据的融合方法,包括一种通过基本信度函数的改进方法对BPA进行了修饰,并使用信度熵来计算信息量来获得每个证据组的权重,然后用权重再次修改BPA,最后将Dempster组合规则进行数据融合的方法。本发明可以根据信息源的信息量来分配权重,通过使用信度熵获得的最终BPA可以使数据融合结果更具逻辑性。