[發明專利]一種基于數據集成預測的軟件自適應測試方法

在審

• 申請號: 202111192348.1
• 申請日: 2021-10-13
• 公開（公告）號: CN114238068A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 殷永峰;劉家康;宿慶冉;宋一;尹瑞
• 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: 北京清大紫荊知識產權代理有限公司 11718
• 代理人: 張卓

本發明提供一種基于數據集成預測的軟件自適應測試方法，包括：使用過濾選擇的外部數據建立全局缺陷預測器并進行訓練學習，將被測軟件劃分為多個用例，再對多個用例進行缺陷概率預測，將得到缺陷概率預測結果從大到小進行排序，選擇前k位的用例作為測試集進行測試；將測試結果作為反饋輸入加入到全局缺陷預測器的訓練數據中，使用測試結果數據建立并訓練本地缺陷預測器，將全局缺陷預測器和本地缺陷預測器的結果按照權重調整方案進行集成預測。本發明能夠更早發現更多的軟件缺陷，提高缺陷預測的精度和效果，提高軟件測試效率，還可以解決軟件測試資源約束的問題，降低測試成本，具有重要的工程應用價值。

技術領域

本公開涉及軟件缺陷預測和軟件測試技術領域，尤其涉及一種基于數據集 成預測的軟件自適應測試方法。

背景技術

科技的迅猛發展增加了信息利用的廣度和深度，信息技術的發展使得軟件 也表現出高度復雜、高維交互、行為突現的特點，增加了軟件行為的不確定性， 使得軟件缺陷更難發現，軟件測試開展難度大大提高。實際工程測試項目表明， 傳統的軟件測試方法在針對復雜軟件進行測試過程中，消耗人力和財力資源十 分龐大，成本巨大，并且測試效率難以保證。

通過軟件缺陷預測技術解決測試資源分配是提升軟件測試效率的一種有 效手段，也是工程領域中的普遍做法。但是，面對新型軟件演化出的特征，缺 陷預測面臨更為巨大挑戰，主要表現為：1)交互信息海量，軟件失效場景更 為復雜多樣，測試空間的膨脹導致預測的范圍更廣；2)軟件高度復雜，關鍵 故障難以被預測以及定位，導致軟件缺陷預測的精準度降低；3)軟件行為突 現導致軟件缺陷規律更難被識別，帶來預測的不確定性更加顯著。

目前絕大多數的缺陷預測技術仍停留在靜態預測層面，缺陷預測和軟件測 試仍是兩個獨立的體系。面對新型軟件中更廣的預測范圍和更復雜的缺陷規律 變化，靜態的缺陷預測結果可能會導致軟件測試的效率變得更糟。傳統的自適 應軟件測試能夠實現動態的測試過程，但是由于并不涉及到機器學習或深度學 習技術，在處理多維數據時，表現不佳，同時消耗大量的測試開銷。

發明內容

有鑒于此，本公開實施例提供一種基于數據集成預測的軟件自適應測試方 法，該方法是一種動態的策略，針對新型軟件的高度復雜、預測不確定問題能 有更佳的適應性。本方法通過缺陷預測優化軟件測試過程，同時通過軟件測試 結果優化缺陷預測過程，使得軟件測試策略能夠進行實時調整，以適應軟件特 征的變化。

為了實現上述目的，本發明提供如下技術方案：

一種基于數據集成預測的軟件自適應測試方法，包括以下步驟：

步驟1、設計外部數據過濾機制，確定全局缺陷預測器的訓練數據；

步驟2、使用過濾選擇的外部數據建立全局缺陷預測器并進行訓練學習， 將被測軟件劃分為多個軟件模塊或測試用例，再使用訓練后的全局缺陷預測器 對所述多個軟件模塊或測試用例進行缺陷概率預測，得到缺陷概率預測結果；

步驟3、將所述多個軟件模塊或測試用例按照缺陷概率預測結果從大到小 進行排序，選擇前k位的軟件模塊或者測試用例作為測試集，完成下一步的測 試動作；

步驟4、將步驟3中得到的測試結果作為反饋輸入加入到全局缺陷預測器 的訓練數據中，實現對全局缺陷預測器的動態調整，同時使用測試結果數據建 立并訓練本地缺陷預測器，同時對所述全局缺陷預測器和本地缺陷預測器的權 重進行調整；

步驟5、將所述全局缺陷預測器和本地缺陷預測器的結果按照權重調整方 案進行集成預測，完成測試過程。

進一步地，所述步驟5中還包括：利用全局缺陷預測器和本地缺陷預測器 的集成預測結果指導被測軟件再次進行軟件模塊或者測試用例的選擇，完成測 試動作后，再次將測試結果作為全局缺陷預測器和本地缺陷預測器的反饋輸 入，對全局缺陷預測器和本地缺陷預測器的訓練模型進行動態的反饋調整，并 再次調整權重，循環操作直至達到測試目標時，結束軟件測試過程。