[发明专利]一种软件错误定位方法及装置

说明书

本发明涉及一种软件错误定位方法及装置，该方法以测试用例驱动程序的源代码，获取程序的执行路径信息和对应的执行结果，包括成功执行路径和失败执行路径；采用NJW谱聚类算法对程序的执行路径信息进行聚类划分，识别偶然正确性测试用例，并将识别出的偶然正确性测试用例进行去除；计算代码的可疑度，获取可疑度高于设定可疑度阈值的高可疑代码；在失败执行路径上挖掘出与所述高可疑代码相关联的关联代码；以挖掘出的关联代码作为代码检查对象，进行软件错误定位。本发明在偶然正确性测试用例识别方面具有较低的误报率和漏报率，提高了软件错误定位的正确率和效率。

技术领域

本发明属于软件分析与测试技术领域，具体涉及一种软件错误定位方法及装置。

背景技术

软件已成为现代信息社会的重要组成部分，是保证国家信息安全和软件产业健康发展的重要因素。软件质量的提升可以改善人们的生活和工作，对国民经济和信息产业发展有显著推动作用。随着软件规模和复杂程度的提高，软件错误出现的频率迅速上升，软件错误可能会给人类造成很大损失或灾难。

软件测试是为了显示程序中存在的错误而执行程序的过程，是软件生命周期中的重要环节；软件调试是为了找到错误并修复错误的过程。其中，错误定位旨在自动检测出软件存在的缺陷，是提高软件调试效率最有效的手段之一。

大部分的软件错误定位方法是基于动态测试的，大多利用程序覆盖信息和相应的执行结果，忽略了程序内部的结构信息和代码内在的逻辑关系，这导致错误定位精度不高。也有一些基于动态测试的错误定位方法，该类方法利用统计理论，对定位结果进行了精炼，只在一定程度上提高了错误定位的精度，但是，错误定位效率有待提高。

为了在提高错误定位的精度的同时也保证错误定位的效率，作者为曹鹤玲的博士学位论文《基于数据挖掘的软件错误定位方法研究》公开了一种软件错误定位方法，该方法针对偶然正确性影响软件错误定位效率的问题，提出了一种基于模糊C均值聚类的偶然正确性测试用例的识别方法。但是，该聚类算法的聚类分析能力较弱，并不能够对各种形状的数据处理，这将导致偶然正确性识别方面的效果较差，误报率和漏报率较高，从而使得软件错误定位的正确率较低；而且错误定位的时间较长，错误定位的效率较低。

发明内容

本发明的目的在于提供一种软件错误定位方法及装置，用以解决现有技术中软件错误定位的正确率和效率均较低的问题。

为解决上述技术问题，本发明的技术方案为：

本发明提供了一种软件错误定位方法，包括如下步骤：

以测试用例驱动程序的源代码，获取程序的执行路径信息和对应的执行结果，包括成功执行路径和失败执行路径；采用NJW谱聚类算法对程序的执行路径信息进行聚类划分，识别偶然正确性测试用例，并将识别出的偶然正确性测试用例进行去除；计算代码的可疑度，获取可疑度高于第一设定可疑度阈值的高可疑代码；在失败执行路径上挖掘出与所述高可疑代码相关联的关联代码；以挖掘出的关联代码作为代码检查对象，进行软件错误定位；其中，在执行NJW谱聚类算法时，将每个执行路径数据点进行Jaccard相似度计算，得到样本数据的相似度，由样本数据的相似度得到相似度矩阵，用以进行聚类计算。

本发明还提供了一种软件错误定位装置，包括处理器，所述处理器用于执行指令实现如下方法：

以测试用例驱动程序的源代码，获取程序的执行路径信息和对应的执行结果，包括成功执行路径和失败执行路径；采用NJW谱聚类算法对程序的执行路径信息进行聚类划分，识别偶然正确性测试用例，并将识别出的偶然正确性测试用例进行去除；计算代码的可疑度，获取可疑度高于第一设定可疑度阈值的高可疑代码；在失败执行路径上挖掘出与所述高可疑代码相关联的关联代码；以挖掘出的关联代码作为代码检查对象，进行软件错误定位；其中，在执行NJW谱聚类算法时，将每个执行路径数据点进行Jaccard相似度计算，得到样本数据的相似度，由样本数据的相似度得到相似度矩阵，用以进行聚类计算。