[發(fā)明專利]多信息融合的回歸測(cè)試用例排序方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910762227.2
• 申請(qǐng)日: 2019-08-19
• 公開(kāi)（公告）號(hào): CN110647461B
• 公開(kāi)（公告）日: 2023-03-28
• 發(fā)明（設(shè)計(jì)）人: 黃如兵;徐銀銀;周雨楠;陳錦富
• 申請(qǐng)（專利權(quán)）人: 江蘇大學(xué)
• 主分類號(hào): G06F11/36
• 分類號(hào): G06F11/36;G06F18/25;G06F18/27
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)了多信息融合的回歸測(cè)試用例排序方法及系統(tǒng)，隨機(jī)選取一個(gè)測(cè)試用例作為優(yōu)化后的第一個(gè)測(cè)試用例；根據(jù)測(cè)試用例的抽象層次信息和具體層次信息利用不同的融合方法進(jìn)行融合，使用基于相似性的測(cè)試用例排序方法進(jìn)行排序，使用相似性度量和距離度量方法分別計(jì)算抽象測(cè)試用例之間的相似性與具體測(cè)試用例之間的距離，并將這兩個(gè)層次的信息相融合得到各個(gè)測(cè)試用例之間的相似性，計(jì)算出待排序測(cè)試用例集中所有測(cè)試用例和優(yōu)化后測(cè)試用例之間的距離，以此在待排序用例集中選取下一個(gè)測(cè)試用例并添加到已優(yōu)化的測(cè)試用例序列中，直到所有測(cè)試用例被挑選。本發(fā)明已實(shí)現(xiàn)三種融合方法，在時(shí)間復(fù)雜度不變的情況下，有效提高測(cè)試用例的錯(cuò)誤檢測(cè)率。

技術(shù)領(lǐng)域

本發(fā)明屬于軟件測(cè)試領(lǐng)域，涉及多信息融合的回歸測(cè)試用例排序方法及系統(tǒng)。

背景技術(shù)

信息時(shí)代的來(lái)臨不斷推動(dòng)著科技的發(fā)展，大量的軟件出現(xiàn)在人們的日常生活中，軟件在現(xiàn)代社會(huì)中也變得舉足輕重起來(lái)，因此人們對(duì)軟件的質(zhì)量需求也越來(lái)越高，由此需要一定的手段來(lái)解決軟件質(zhì)量問(wèn)題，軟件測(cè)試便是其中之一。

軟件開(kāi)發(fā)時(shí)會(huì)投入大量的金錢、人力和物力，但是開(kāi)發(fā)的軟件質(zhì)量低下會(huì)使得在后期維護(hù)時(shí)投入更多的資源，導(dǎo)致了人力物力巨大的浪費(fèi)，甚至在某些方面還會(huì)帶來(lái)一系列信息安全方面的問(wèn)題，現(xiàn)在軟件開(kāi)發(fā)的速度遠(yuǎn)不及時(shí)代前進(jìn)的步伐，軟件問(wèn)題日益突出，所以高效的軟件測(cè)試就顯得尤為重要。但是對(duì)于被測(cè)軟件來(lái)說(shuō)，運(yùn)行其所有的測(cè)試用例來(lái)說(shuō)是不可行的，這種方案時(shí)間消耗巨大且浪費(fèi)資源，因此我們需要在有限的測(cè)試用例中，盡可能先的發(fā)現(xiàn)錯(cuò)誤才能更有效的進(jìn)行軟件測(cè)試。

為了縮減軟件測(cè)試的開(kāi)銷，盡可能的節(jié)約資源，學(xué)術(shù)界提出了一系列的測(cè)試技術(shù)，其中包括測(cè)試用例優(yōu)先級(jí)排序技術(shù)TCP(Test Case Prioritization)，測(cè)試用例選擇技術(shù)TCS(Test Case Selection)和測(cè)試用例縮減技術(shù)TCM(Test Case Minimization)等。然而在一些情況下，一些測(cè)試用例被縮減后，某些漏洞就不會(huì)被檢測(cè)到，很可能一些會(huì)引發(fā)重大安全事故的漏洞因?yàn)闇y(cè)試用例的縮減而沒(méi)有被檢測(cè)出來(lái)，所以這種方法在一定程度上來(lái)說(shuō)存在著一定的風(fēng)險(xiǎn)，測(cè)試用例優(yōu)先級(jí)排序技術(shù)(Test Case Prioritization)是軟件測(cè)試研究領(lǐng)域的熱點(diǎn)研究?jī)?nèi)容，如果一個(gè)測(cè)試用例可以更快的發(fā)現(xiàn)更多的錯(cuò)誤，那這個(gè)測(cè)試用例應(yīng)該在其他測(cè)試用例之前運(yùn)行，其目的是將測(cè)試用例按照優(yōu)先級(jí)的高低進(jìn)行排序，以提高軟件測(cè)試的效率。

測(cè)試用例優(yōu)先級(jí)排序的方法有很多，主要是基于源代碼、歷史執(zhí)行信息、需求、以及模型等，現(xiàn)有的優(yōu)先級(jí)排序方法中包括有抽象測(cè)試用例優(yōu)先級(jí)排序，具體測(cè)試用例優(yōu)先級(jí)排序方法等，具體測(cè)試用例將測(cè)試用例之間的距離作為度量將測(cè)試用例進(jìn)行優(yōu)先級(jí)排序，抽象測(cè)試用例將測(cè)試用例之間的相似度作為度量進(jìn)行測(cè)試用例優(yōu)先級(jí)排序，本發(fā)明將兩者信息相融合后的距離作為度量標(biāo)準(zhǔn)，使得在時(shí)間復(fù)雜度不變的情況下，提高了測(cè)試用例的錯(cuò)誤檢測(cè)率。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中存在的缺陷和不足，本發(fā)明提供了多信息融合的回歸測(cè)試用例排序方法，有效的提高了用例集的錯(cuò)誤檢測(cè)效果，提供了該方法的仿真實(shí)驗(yàn)，得到的數(shù)據(jù)證實(shí)了該方法的有效性。本發(fā)明的技術(shù)方案包括如下：

多信息融合的回歸測(cè)試用例排序方法包括如下步驟：

步驟1，對(duì)待排序測(cè)試用例集S，分別計(jì)算其抽象測(cè)試用例的相似性矩陣以及具體測(cè)試用例的距離矩陣。

步驟2，使用多信息融合方法對(duì)上述步驟得到的兩個(gè)矩陣進(jìn)行融合，并基于融合信息進(jìn)行測(cè)試用例排序。步驟3，根據(jù)上述步驟2得到的已排序測(cè)試用例集計(jì)算其評(píng)估值，并與兩種經(jīng)典的單一數(shù)據(jù)排序方法進(jìn)行比較。

上述步驟1的具體步驟如下：

步驟1.1，將有n個(gè)測(cè)試用例的待排序測(cè)試用例集S＝(P₁,P₂,···,P_n)轉(zhuǎn)換為抽象測(cè)試用例集，每個(gè)測(cè)試用例有k個(gè)參數(shù)，使用Goodall3相似性度量，計(jì)算該抽象測(cè)試用例集的相似性矩陣AM，其中Goodall3的計(jì)算公式如下：