[發明專利]一種復雜軟件系統失效預測方法

有效

• 申請號: 202010838115.3
• 申請日: 2020-08-19
• 公開（公告）號: CN112115045B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 吳玉美;姚京秀
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

1.一種復雜軟件系統失效預測方法，其特征在于，包括以下具體步驟：

步驟1：多維度分析復雜軟件系統的狀態和行為特征，提取失效度量元信息；

步驟2：根據所述失效度量元信息構建失效表征知識庫；

步驟3：基于所述失效表征知識庫構建所述復雜軟件系統的失效表征規律集合，通過多元回歸模型定量分析和失效原因定性分析獲得所述復雜軟件系統的失效機理；

步驟4：基于所述失效表征規律集合和所述失效表征知識庫構建所述復雜軟件系統的失效預測模型；

步驟5：將待檢測復雜軟件系統的軟件缺陷數據輸入所述失效預測模型獲得預測結果；

步驟3具體包括：S31：基于復雜軟件系統的失效表征數據庫，進行功能失效和性能失效分類，從軟件失效行為和狀態特性中挖掘出失效表征規律；

S32：判斷失效表征規律是否有效，如果有效則構建失效表征規律集合；否則進行信息反饋知識迭代，更新失效表征知識庫；

S33：對失效表征規律集合進行相關性分析和主成分分析，通過多元回歸分析模型和失效表征映射函數，結合失效原因定性分析獲得失效機理；失效機理進行信息反饋知識迭代，更新失效表征知識庫。

2.根據權利要求1所述的一種復雜軟件系統失效預測方法，其特征在于，軟件失效類型分為功能失效和性能失效；所述多維度分析包括內部/外部、時間/空間、整體/局部和軟件/硬件四個維度。

3.根據權利要求2所述的一種復雜軟件系統失效預測方法，其特征在于，所述步驟2中根據所述失效度量元信息，從公開數據集中收集相應的失效數據；如果獲取的所述失效數據無法準確覆蓋所述四個維度的失效數據時，則分析各個失效表征度量元的度量目的、度量方法、度量元解釋、度量標度類型、度量數據來源信息，針對不同的所述復雜軟件系統，設定相應的測試用例，通過測試所述測試用例獲取所述失效數據；通過將所述失效數據層次化、結構化、組織化處理后構建所述失效表征知識庫。

4.根據權利要求1所述的一種復雜軟件系統失效預測方法，其特征在于，所述步驟3中基于所述復雜軟件系統的所述失效表征數據庫，構建所述失效表征規律集合，根據所述失效表征規律集合中失效表征規律之間的關聯關系，獲得所述失效表征規律產生的根本原因，通過所述多元回歸模型定量分析和失效原因定性分析相結合的方法，獲得所述復雜軟件系統的所述失效機理。

5.根據權利要求1所述的一種復雜軟件系統失效預測方法，其特征在于，在所述步驟4中根據所述失效表征規律集合和所述失效表征知識庫，采用機器學習算法構建所述失效預測模型；并對所述失效預測模型進行選擇與優化，采用機器學習算法進行對比實現選擇，通過類不平衡、交叉驗證、誤差分析實現優化；對所述失效表征知識庫里面的數據進行預處理。

6.根據權利要求1所述的一種復雜軟件系統失效預測方法，其特征在于，在所述步驟5中通過所述失效表征規律集合結合所述失效預測模型進行預測，向所述失效預測模型中輸入所述復雜軟件系統的帶度量元的所述軟件缺陷數據，輸出數據包括準確率、召回率和誤報率，最后輸出所述預測結果包括未失效、功能失效、性能失效和均失效。