[发明专利]一种基于软件网络的软件测试数据生成方法

说明书

本发明公开了一种基于软件网络的软件测试数据生成方法，包括如下步骤：步骤1，收集待测软件源代码；步骤2，基于源码建立软件网络；步骤3，计算软件网络的重要节点；步骤4，设计基于重要节点的适应度函数；步骤5，基于多目标智能算法生成测试数据；步骤6，测试数据生成过程停止后，输出测试数据集。本发明可以完成对基于软件网络的软件测试数据生成方法的构建，可以帮助软件测试人员设计满足要求的测试数据，在降低成本和缩短时间的同时，设计出具有更高的软件缺陷检测能力的测试数据，具有较高的实际应用价值。

技术领域

本发明涉及软件可信性、软件测试技术领域，尤其涉及一种基于软件网络的软件测试数据生成方法。

背景技术

随着计算机技术的突飞猛进，软件规模日益扩大，软件功能也日趋复杂，软件故障就变得不可避免。软件测试是一种系统方法，用于识别软件中存在的错误，从而通过修复错误以提升软件的质量。在软件测试中，测试数据是为某个特殊目标而编制的一组测试输入，以便测试某个程序路径或核实是否满足某个特定需求。测试数据的质量决定了测试的质量，好的测试数据不仅能减少软件测试的工作量，降低测试成本，而且能在成本和时间的约束下，发现更多的软件错误。由于人工编制测试数据在成本以及效率等方面的限制，因而软件测试数据的自动生成一直是该领域的追求目标。

基于搜索的测试数据生成是当前最为流行的自动化测试方法之一，该类方法旨在使用如遗传算法一类的元启发式优化搜索技术来自动化或部分自动化测试任务。换言之，测试数据的生成被视为一个搜索问题，即在搜索空间中查找测试数据或测试用例的问题。在基于搜索的测试数据生成问题中，除了搜索算法本身外，另一个需要重点关注的问题就是设计合适的适应度函数。适应度函数用于评价生成的测试数据的质量并指导算法在测试输入空间内寻找满足测试目标的那些输入。构建良好的适应度函数不仅可以提高找到解决方案的可能性，而且还可以实现更好的整体代码覆盖率，并且消耗更少的系统资源。当前已有面向目标(Goal-oriented)、面向链(Chaining-oriented)、面向覆盖(Coverage-oriented)以及面向距离的适应度函数(Distance-oriented)等四大类适应度函数被提出并用于软件测试数据的生成。面向覆盖的适应度函数最为常见，比如语句覆盖、分支覆盖以及路径覆盖等等，但覆盖率本身并不意味着故障检测能力的有效性。事实上，满足一个“严格”的覆盖标准也不能很好地表明测试数据的有效性，即使覆盖导向测试产生了卓越的性能，测试仍然可能会遗漏大量潜在的严重故障。低故障检测率的原因不仅是覆盖率不高，更可能是覆盖率这一测试标准本身的不足，这需要更好的适应度函数来生成可以发现真正故障的测试，即寻求与故障检测概率增加相关的标准和相应的适应度函数。针对这一状况，我们提出一种基于软件网络的测试数据生成方法。

现有的如基于遗传算法、蚁群算法、粒子群算法与人工蜂群算法等基于搜索的测试数据生成方法，相比于随机输入测试等，已经具有较好的效果。但这些算法使用的适应度函数，却存在着适应度函数本身的值达到很高但故障检测能力却不足的缺陷。

发明内容

本发明目的是提供了一种基于软件网络的软件测试数据生成方法，以解决上述问题。

本发明解决技术问题采用如下技术方案：

一种基于软件网络的软件测试数据生成方法，包括如下步骤：

步骤1，收集待测软件源代码；

步骤2，基于源码建立软件网络；

步骤3，计算软件网络的重要节点；

步骤4，设计基于重要节点的适应度函数；

步骤5，基于多目标智能算法生成测试数据；

步骤6，测试数据生成过程停止后，输出测试数据集。

进一步的，步骤1中收集待测软件源代码，其构建方法为：

获取需要进行测试的软件的源程序文件。