[发明专利]一种PPTL规范挖掘系统和方法

说明书

本发明属于计算机程序设计语言及应用技术领域，公开了一种PPTL规范挖掘系统和方法，所述PPTL规范挖掘系统，包括Trace生成模块、Trace解析模块、PPTL_LNFG转换模块、LNFG实例化模块、LNFG检测模块和挖掘结果返回模块。本发明利用完全正则的PPTL形式化待挖掘的性质，将PPTL一次性转为LNFG从而减少时间的浪费，再用类似广度优先遍历的方式将trace中的事件与LNFG边上的PPTL状态公式进行对比，从而挖掘出满足程序执行trace的规范，且减少出现内存崩溃的情况，很好地解决了现有技术挖掘规范时由于重复将相同或类似的PPTL转为NF而导致挖掘时间过长的问题。

技术领域

本发明属于计算机程序设计语言及应用技术领域，尤其涉及一种PPTL规范挖掘系统和方法。

背景技术

目前，软件系统规范是系统需求的形式化描述。规范可以通过捕获程序中的重要特征来帮助人们更好地理解软件功能，提高软件的可维护性。规范还可用于测试和验证，以提高软件系统的正确性和可靠性。然而，由于种种原因，很多软件系统缺乏形式化规范，特别是对于大多数遗产legacy软件系统，这使得软件的维护变得困难。由于程序的复杂性，程序开发语言种类的多样性，以及程序部署、运行的困难性等原因，使得从程序中挖掘规范非常困难的。为解决这个问题，目前关于程序时序行为的说明和推理已经得到广泛关注，其中，基于动态分析的规范挖掘方法是通过挖掘由程序生成的一组轨迹trace，以推导出程序、API或软件的其它方面可能的时序规范。

目前大多数规范挖掘方法使用线性时序逻辑(Linear Temporal Logic，LTL)和计算树逻辑(Computation Tree Logic，CTL)作为性质描述语言。由于LTL和CTL表达能力的限制，一些复杂的时序性质如周期性重复性不能被很好地表示。命题投影时序逻辑(Propositional Projection Temporal Logic，PPTL)具有完全正则表达能力，除了LTL和CTL能够形式化的时序性质之外，PPTL还能够描述另外两种性质：区间相关性质和周期性重复性质。基于模式库的PPTL规范挖掘算法和工具PPTLMiner很好地解决了LTL和CTL表达能力有限的问题，但是，当模式中原子命题和trace中事件个数过多时，会出现检测时递归过深从而导致时间过长或内存崩溃的问题。因此亟待开发出一种既能解决LTL和CTL表达能力的限制又能解决递归过深的规范挖掘系统并提出对应解决方法。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有软件系统缺乏形式化规范，特别是对于大多数遗产legacy软件系统，这使得软件的维护变得困难。

(2)由于程序的复杂性，程序开发语言种类的多样性，以及程序部署、运行的困难性等原因，使得从程序中挖掘规范非常困难的。

(3)由于LTL和CTL表达能力的限制，一些复杂的时序性质如周期性重复性不能被很好地表示。

(4)当模式中原子命题和trace中事件个数过多时，基于模式库的PPTL规范挖掘算法和工具PPTLMiner会出现检测时递归过深从而导致时间过长或内存崩溃的问题。

解决以上问题及缺陷的难度为：解决LTL和CTL表达能力限制的解决方法是用PPTL来形式化待挖掘的性质，但是基于模式库的PPTL规范挖掘存在递归过深的不足，容易出现trace检测次数爆炸的问题，甚至出现内存崩溃无法挖掘出规范的严重后果，因此需要进一步提高程序的执行效率。

解决以上问题及缺陷的意义为：基于LNFG的PPTL规范挖掘在解决LTL和CTL表达能力限制的基础上，在PPTL公式中原子命题过多和trace中事件个数过多时，大大减少出现时间过长和内存崩溃的情况，在实际应用中更具实用性和有效性。

发明内容