軟體缺陷預測模型及其套用的研究

《軟體缺陷預測模型及其套用的研究》是依託清華大學，由張洪宇擔任項目負責人的面上項目。

基本介紹

• 中文名：軟體缺陷預測模型及其套用的研究
• 依託單位：清華大學
• 項目負責人：張洪宇
• 項目類別：面上項目

項目摘要

隨著軟體套用的不斷普及和深入，人們對軟體質量的要求也越來越高。如何有效地保證、提升軟體質量已經成為各國軟體工程研究人員重點關注的技術問題。在本項目中，我們將研究軟體缺陷預測技術。軟體缺陷預測技術（Software Defect Prediction）可以幫助我們在實際故障發生前預測可能產生缺陷的模組,這樣我們可以集中有限的人力、時間去測試這些最有可能含有錯誤的模組, 從而能更好地分配測試資源。軟體缺陷預測技術是近年來國際軟體工程研究領域的熱點課題，對於軟體質量保證有著重要的理論意義和套用價值。在本項目中,我們希望能夠在前期研究基礎上，設計高效的算法，提高缺陷預測模型的準確性，解決缺陷預測模型在實踐中遇到的關鍵技術問題，並開發一個高效、實用的缺陷預測工具。我們也將研究如何套用缺陷預測模型於軟體質量保證實踐之中，最佳化測試資源的分配，並與其它質量保證技術(特別是缺陷定位技術)相結合。

結題摘要

隨著軟體套用的不斷普及和深入，人們對軟體質量的要求也越來越高。同時，隨著軟體產品的規模越來越大，複雜度越來越高，軟體開發、維護人員收到的缺陷報告也會越來越多。如何有效地保證、提升軟體質量已經成為各國軟體工程研究人員重點關注的問題。 在本項目中，我們深入研究了軟體缺陷預測相關技術，即如何在實際故障發生前預測可能產生缺陷的模組。本項目的研究基本上按計畫進行。我們研究了一些與軟體缺陷預測模型相關的技術問題，包括了軟體缺陷數據的質量問題，基於採樣數據的軟體缺陷預測模型，軟體缺陷的定位，和缺陷修復時間的預測。目前軟體缺陷數據挖掘方法可能會導致大量的缺失數據，使數據中存在噪音。我們分析了不同程度的噪音對缺陷預測模型的準確性的影響，並提出了一個新的、更有效的缺陷數據挖掘方法ReLink。目前的軟體缺陷預測假設一個軟體企業已經有了很多高質量的缺陷數據，但這個假設對某些企業可能不成立。針對這個問題，我們提出了一個結合主動學習和半監督學習的算法，叫做ACoForest，去採樣一小部分軟體模組進行測試，收集其數據並建立軟體缺陷預測模型。我們也研究了軟體缺陷定位問題，我們提出了一個BugLocator方法，可以根據軟體缺陷報告和缺陷預測結果定位可能出錯的程式模組。我們也提出了一個基於缺陷模式的缺陷檢測方法。對於一個大型複雜軟體系統，軟體項目組可能會收到大量的缺陷報告。我們也提出了基於蒙特卡洛模擬和馬爾科夫模型的缺陷修復時間的預測方法。 我們的研究成果已經全文發表在多個國際軟體工程會議和期刊中，包括了2011年度的國際軟體工程會議（ICSE 2011），ACM基礎軟體工程會議（FSE 2011），2012年度的國際軟體工程會議（ICSE 2012），2013年的國際軟體工程會議（ICSE 2013），和國際期刊Automated Software Engineering, Journal of Systems and Software。在本項目的支持下，目前已經正式發表了14篇論文，有4名清華大學研究生順利畢業。我們在理論和實踐上都有所創新，提出了新的方法，開發了相應的工具，較好地完成了本項目的研究計畫。