[发明专利]一种基于随机引进故障的开源软件可靠性建模方法

说明书

本发明属于开源软件可靠性模型技术领域，具体涉及一种基于随机引进故障的开源软件可靠性建模方法。本发明利用随机微分方程模拟了开源软件开发过程中的故障引入过程，建立了相应的开源软件可靠性模型，模型参数采用最小二乘估计(LSE)方法进行估计，使用来自Apache开源软件项目的三个故障数据集来比较模型性能。用完全调试和不完全调试的闭源软件可靠性模型以及开源软件可靠性模型进行比较，提出的模型具有最佳的拟合和预测性能。因此，考虑到开源软件引入故障的随机性变化，符合开源软件开发过程中引入故障的实际变化。该模型可以作为评估开源软件可靠性的工具，帮助开发人员或管理人员在开源软件开发过程中对软件质量进行管理和评估。

技术领域

本发明属于开源软件可靠性模型技术领域，具体涉及一种基于随机引进故障的开源软件可靠性建模方法。

背景技术

近几十年来，随着互联网技术的发展，开源软件的开发方式得到了迅速的发展。与传统的闭源软件开发相比，开源软件是由世界各地的志愿者和用户通过网络开发和测试的。开源软件是一种动态的、不确定的、网络化的和分布式的开发过程。现代知名公司和企业都有开源软件开发项目。比如谷歌、微软、阿里巴巴等，特别是一些云计算和大数据应用系统也采用开源的方式进行开发和测试。虽然开源软件开发在业界中得到了广泛的应用，但其可靠性仍然是一个有待研究的问题。

为了提高开源软件的可靠性，业界普遍采用频繁发布的方法。虽然频繁发布开源软件在一定程度上可以改善和提高开源软件的可靠性，但这种简单的频繁发布方法存在一些问题。首先，如果开源软件发布得太早，软件就没有经过充分的测试，软件中还有太多的错误。它们将影响志愿者和用户的使用，迫使志愿者和用户不使用该软件，而是寻找其他替代软件。第二，如果软件发布太晚，就会错失良机。同时志愿者和用户将对该软件失去兴趣，而且逐渐会抛弃该软件。

为了评估开源软件的可靠性，有一些可靠性模型。例如，Li等提出了一种开源软件的可靠性模型，该模型有先增后减的故障检测率。通过对开源软件故障数据集的研究，Wang和Mi建立了一个开源软件可靠性模型，其故障检测率呈下降趋势。Zhou和Davis通过一些实验，得出了闭源软件可靠性模型可以用来评估开源软件可靠性的结论。Yamada和Tamura提出了一些基于随机微分方程的开源软件可靠性模型。以上模型均为完美调试的软件可靠性模型，即当检测到的故障被排除后，不再引入新的故障。但是完美调试的假设不符合开源软件开发的实际情况。

发明内容

本发明针对上述问题本发明提供了一种基于随机引进故障的开源软件可靠性建模方法，所述故障介绍包括两个方面：一种是当软件变化引起的故障被排除时，引入的新故障。例如，新版本开源软件发布后软件功能、特性或模块的变化所带来的故障。另一种是在去除以前软件版本中检测到的剩余故障时引入的新故障。这两种引入的故障在开源软件故障报告中表现出不规则的变化，并且引入的故障的行为是不确定的。因此，在开源软件开发过程中，故障的引入是随机的。

为了达到上述目的，本发明采用了下列技术方案：

一种基于随机引进故障的开源软件可靠性建模方法，包括以下步骤：

步骤1，考虑到(t,t+Δt)中引入的故障数量与软件故障本身有关，给出以下随机微分方程：

其中，φ(t)表示故障内容函数，μ(t)是软件故障引进的强度函数，表示故障引进的变化，而且是一个非负数值，φ(0)＝a，a表示最初期望检测出故障的数量；

步骤2，在开源软件开发过程中，由于引入的故障数量是不确定的，故障引入是随机的，软件故障引进强度函数呈现出不规则的变化。将式(1)扩展成下列伊藤类随机微分方程：

其中，γ(t)表示标准的高斯白色噪音，σ表示不规则变化大小，它是一个正常量值；

步骤3，解伊藤类随机微分方程(2)，得出：