[发明专利]一种基于数据挖掘的软件可信性度量与评估方法

摘要

本发明公开了一种基于数据挖掘的软件可信性度量与评估方法，包括以下步骤：(1)以概念层次法为基础，定义同一属性集中各属性权重及相邻层属性集的构成关系。(2)基于软件测试环境，结合人工智能理论，给出一种面向属性特征集的可信性计算基础算子。(3)基于软件黑盒测试方法，结合数据挖掘理论，利用黑盒测试获得软件可信性静态属性特征集和可信性计算基础算子，逐层计算该软件初始时可信性，利用运行时测试软件行为获得的软件动态属性特征集，利用同余度度量算子，获得软件运行时可信性。(4)通过用户对属性特征集定义最低主观期望，逐层计算该软件终止时可信性。(5)给出待评估软件可信性评估推荐意见。

主权项

一种基于数据挖掘的软件可信性度量与评估方法，其特征在于包括以下步骤：(1)以概念层次法为基础，分析了待评估软件可信性所包含的各类属性并进行划分，分别映射到相应的属性特征集中，然后定义同一属性集中各属性权重及相邻层属性集的构成关系。(2)基于软件测试环境，结合人工智能理论，给出一种面向属性特征集的可信性计算基础算子。(3)基于软件黑盒测试方法，结合数据挖掘理论，定义一种软件可信性度量方法，该方法首先利用黑盒测试获得软件可信性静态属性特征集和可信性计算基础算子，逐层计算该软件初始时可信性；然后利用运行时测试软件行为获得的软件动态属性特征集，利用本方法给出的同余度度量算子，获得软件运行时可信性。(4)通过用户对属性特征集定义最低主观期望，本方法逐层计算，获得该软件终止时可信性。(5)给出待评估软件可信性评估推荐意见，即当且仅当该软件运行时可信性大于终止时可信性并小于等于初始时可信性时，推荐用户选取该软件提供的服务，否则建议用户不再选取该软件提供的服务。通过本方法，初步实现了用户对软件的主观信任期望与软件的客观可信性的一致性度量，进而完成软件可信性评估。