[發明專利]基于復合泊松過程的軟件可靠性預測方法

有效

• 申請號: 201310062004.8
• 申請日: 2013-02-27
• 公開（公告）號: CN103268279A
• 公開（公告）日: 2013-08-28
• 發明（設計）人: 吳世忠;趙向輝;黃雅芳;羅平;劉暉;易錦;姚堯;劉彥釗;張磊;吳潤浦;李娟;姚原崗
• 申請（專利權）人: 中國信息安全測評中心
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 樓艮基

1.基于復合泊松過程的軟件可靠性預測方法，其特征在于，是一種能夠同時預測失效間隔、失效總數和由于失效帶來的金額損失量級的預測方法，其實施按以下步驟完成：

步驟（1），從中國國家信息安全漏洞庫網址http://www.cnnvd.org.cn輸入從2009-08-14～2012-08-16為止的N條有限個數漏洞數據，再以設定的時間段Δt＇_i＇從軟件發布日t＇₀起選取，得到N′條漏洞數據，再從其中選擇出前n′條漏洞數作為預測用的歷史數據，而把余下的N′-n′條漏洞數據作為測試用的校驗數據，N＞N′＞n′，在前n′條歷史數據中，各時間段Δt′_i′的首尾日期相接，但以“天”為單位的日期t′_i′不連續，Δt′_i′的序號為：1,2,3…i′…I′，在數值上I′＝n′,△t′_i′＝t′_i′-t′_i′-1，t′₀為軟件發布日，

每一條漏洞信息對應的數據格式為起始時間、結束時間、累積故障數和累計損失量，其中：

損失，指由于軟件失效造成的運行和維護的以實際全額計數的額外成本，所述額外成本以損失等級量度，每一個損失等級相當于設定的金額，基于損失量度量的可靠性稱為強可靠性，損失量是指序號相鄰的兩條漏洞數據之間的損失等級等于一個時間段內的損失等級。

累計損失量，指軟件發布日起至N′條所述漏洞數據中的任一個損失計數日或預測日止的累計損失等級數。

累計故障數，等于累計導致軟件無法運行的漏洞數，其中：

k′_i′指歷史數據中n′個漏洞數據內時刻i′的累計故障數，k'_I′是最后一個I′所對應累積故障數，

k′_i′指在預測過程中第i個時刻時的累計故障數，i＝0,1,2,3,…，I，在數值上I'＝N′-n′，i＝0時，k₀在數值上等于k'_I′，其中：

t_i'＝t₀＝t′_I′表示：第n′個歷史數據的結束時刻等于預測初始時刻，t₀≠0，t₁＝t_I′′+Δt₀，i₂＝t₁+Δt₁，而Δt₁=平均失效時間MTBF,以此類推t_I＝t_I-1+MTBF_I＝t_I-1+Δt_I,MTBF_i的下標表示第i個平均失效時間，i＝0,1,2,3,…,I。

步驟（2）依次按以下步驟實施基于復合泊松過程的強軟件可靠性預測：

步驟（2.1）按下式計算和其中：

為從軟件發布日t′₀起到第i個預測時間的累積故障數的估計值；

為第i個漏洞數據的檢測率估計值，也稱查出率b，每一個漏洞數據測定都是相同的，都等于b，

{ai(1-e-biti-1)=ki-1,i=1,2,3,...,Iaitie-biti=Σi′=1I′(k′i′-k′i′-1)[t′i′e-bit′i′-t′i′-1e-bi′t′i′-1)](e-bi′t′i′-1-e-bi′t′i′)+Σi=1I(ki-ki-1)[tie-biti-ti-1e-biti-1)](e-biti-1-e-biti)]]>

在i=1時k_i-1＝k₀＝k'_I′，k₀為t₀＝t′_n≠0下n′個漏洞數據中最后一個漏洞數n′所對應的累積故障數，t_i-1＝t₀＝t'_I′表示使用了從軟件發布日起一直到t'_I′的歷史數據；

步驟（2.2）按下式計算，從軟件發布日起到第i個時刻t_i下的失效強度λ(t_i)：

λ(ti)=du(ti)dt=a^ib^ie-b^iti,]]>其中：

是一個軟件從發布日起到第i個時刻t_i為止的時間段內漏洞造成的損失的期望函數，是一個有限的遞增函數，

步驟（2.3），按下式求解步驟（2.2）中第i時刻的所述均質函數的平均失效時間MTBF_i：

MTBFi=1λ(ti)=1a^ib^ie-b^iti,]]>

步驟（2.4）按下式計算從軟件發布之日起到第i+1個時刻t_i+1的累計損失量W(t_i+1)：

W(ti+1)=W(ti+MTBFi)=Σki′′I′wki′+a^i+1b^i+1eb^i+1ti+1ti+1·1iΣki=1Iwki,]]>其中：

表示自預測初始日期起到t_i止的平均累積損失量，時刻的單位為“天”下同；

表示自預測初始日期起到第i+1個時刻止的平均的累積損失量，

W(t_i+1)表示考慮了失效強度這個失效因素后的自軟件發布之日起到第i+1個時刻的累積損失量，

步驟（2.4）按下式計算自t_i到t_i+1這一時間段內的損失量NFL：

NFL=W(ti+MTBF)-Σki=1Iwki,]]>

步驟（3），在i=2時k_i-1＝k₁，而已知表示使用了從軟件發布日起一直到第i₁時刻的已知數據，其中包括歷史上n′個漏洞數據和以此類推，在i=I時k_i-1＝k_I-1，表示已預測到了最后第I個時刻的第N′-n′個漏洞數據，每次重復步驟（2），

步驟（4），驗證方法的正確性，對于任意一個i，從實際的校驗數據集中，取得與以上步驟取得的估計值W(t_i+1)最相近的實際累積損失量值求的模型的預測誤差

p=1IΣi=1I|Wti+1′-W(ti+1)|Wti+1′.]]>