[发明专利]基于复合泊松过程的软件可靠性预测方法

摘要

基于复合泊松过程软件可靠性预测方法，属于软件可靠性预测领域，其特征在于是一种以软件运行和维护中带来的成本和利润损失按设定的损失等级进行强可靠性预测的方法；用一个由软件运行的起止、结束时间、累计故障损失和累计损失量级构成的在时间上等间隔的数据组组成的多个历史数据组为基础，在设定的预测失效数据组个数范围内进行预测；以最后一个历史数据组的结束时间为预测起始值，把累积损失等级视为一个服从软件发布日起到本次预测日为止的随机过程视为随机过程，逐次以前一次得到的累积损失等级来预测，从软件发布日起，本次预测日止的累计损失等级；再在设定的误差范围内与在预测次数上一一对应的历史数据进行比较，解决了软件在不同使用条件下的可信性问题。

主权项

1.基于复合泊松过程的软件可靠性预测方法，其特征在于，是一种能够同时预测失效间隔、失效总数和由于失效带来的金额损失量级的预测方法，其实施按以下步骤完成：步骤（1），从中国国家信息安全漏洞库网址http://www.cnnvd.org.cn输入从2009-08-14～2012-08-16为止的N条有限个数漏洞数据，再以设定的时间段Δt＇_i＇从软件发布日t＇₀起选取，得到N′条漏洞数据，再从其中选择出前n′条漏洞数作为预测用的历史数据，而把余下的N′-n′条漏洞数据作为测试用的校验数据，N＞N′＞n′，在前n′条历史数据中，各时间段Δt′_i′的首尾日期相接，但以“天”为单位的日期t′_i′不连续，Δt′_i′的序号为：1,2,3…i′…I′，在数值上I′＝n′,△t′_i′＝t′_i′-t′_i′-1，t′₀为软件发布日，每一条漏洞信息对应的数据格式为起始时间、结束时间、累积故障数和累计损失量，其中：损失，指由于软件失效造成的运行和维护的以实际全额计数的额外成本，所述额外成本以损失等级量度，每一个损失等级相当于设定的金额，基于损失量度量的可靠性称为强可靠性，损失量是指序号相邻的两条漏洞数据之间的损失等级等于一个时间段内的损失等级。累计损失量，指软件发布日起至N′条所述漏洞数据中的任一个损失计数日或预测日止的累计损失等级数。累计故障数，等于累计导致软件无法运行的漏洞数，其中：k′_i′指历史数据中n′个漏洞数据内时刻i′的累计故障数，k'_I′是最后一个I′所对应累积故障数，k′_i′指在预测过程中第i个时刻时的累计故障数，i＝0,1,2,3,…，I，在数值上I'＝N′-n′，i＝0时，k₀在数值上等于k'_I′，其中：t_i'＝t₀＝t′_I′表示：第n′个历史数据的结束时刻等于预测初始时刻，t₀≠0，t₁＝t_I′′+Δt₀，i₂＝t₁+Δt₁，而Δt₁=平均失效时间MTBF,以此类推t_I＝t_I-1+MTBF_I＝t_I-1+Δt_I,MTBF_i的下标表示第i个平均失效时间，i＝0,1,2,3,…,I。步骤（2）依次按以下步骤实施基于复合泊松过程的强软件可靠性预测：步骤（2.1）按下式计算和其中：为从软件发布日t′₀起到第i个预测时间的累积故障数的估计值；为第i个漏洞数据的检测率估计值，也称查出率b，每一个漏洞数据测定都是相同的，都等于b，{ai(1-e-biti-1)=ki-1,i=1,2,3,...,Iaitie-biti=Σi′=1I′(k′i′-k′i′-1)[t′i′e-bit′i′-t′i′-1e-bi′t′i′-1)](e-bi′t′i′-1-e-bi′t′i′)+Σi=1I(ki-ki-1)[tie-biti-ti-1e-biti-1)](e-biti-1-e-biti)]]>在i=1时k_i-1＝k₀＝k'_I′，k₀为t₀＝t′_n≠0下n′个漏洞数据中最后一个漏洞数n′所对应的累积故障数，t_i-1＝t₀＝t'_I′表示使用了从软件发布日起一直到t'_I′的历史数据；步骤（2.2）按下式计算，从软件发布日起到第i个时刻t_i下的失效强度λ(t_i)：λ(ti)=du(ti)dt=a^ib^ie-b^iti,]]>其中：是一个软件从发布日起到第i个时刻t_i为止的时间段内漏洞造成的损失的期望函数，是一个有限的递增函数，步骤（2.3），按下式求解步骤（2.2）中第i时刻的所述均质函数的平均失效时间MTBF_i：MTBFi=1λ(ti)=1a^ib^ie-b^iti,]]>步骤（2.4）按下式计算从软件发布之日起到第i+1个时刻t_i+1的累计损失量W(t_i+1)：W(ti+1)=W(ti+MTBFi)=Σki′′I′wki′+a^i+1b^i+1eb^i+1ti+1ti+1·1iΣki=1Iwki,]]>其中：表示自预测初始日期起到t_i止的平均累积损失量，时刻的单位为“天”下同；表示自预测初始日期起到第i+1个时刻止的平均的累积损失量，W(t_i+1)表示考虑了失效强度这个失效因素后的自软件发布之日起到第i+1个时刻的累积损失量，步骤（2.4）按下式计算自t_i到t_i+1这一时间段内的损失量NFL：NFL=W(ti+MTBF)-Σki=1Iwki,]]>步骤（3），在i=2时k_i-1＝k₁，而已知表示使用了从软件发布日起一直到第i₁时刻的已知数据，其中包括历史上n′个漏洞数据和以此类推，在i=I时k_i-1＝k_I-1，表示已预测到了最后第I个时刻的第N′-n′个漏洞数据，每次重复步骤（2），步骤（4），验证方法的正确性，对于任意一个i，从实际的校验数据集中，取得与以上步骤取得的估计值W(t_i+1)最相近的实际累积损失量值求的模型的预测误差p=1IΣi=1I|Wti+1′-W(ti+1)|Wti+1′.]]>