基于軟件動態(tài)執(zhí)行圖挖掘的軟件錯誤定位方法研究.pdf

1、隨著網(wǎng)絡時代的蓬勃發(fā)展，軟件的規(guī)模逐漸擴大，軟件開發(fā)的復雜程度也越來越高，隨之而來的就是軟件質量和安全性的問題。軟件質量和安全性的問題的突出表現(xiàn)就是軟件錯誤。軟件錯誤可能會導致嚴重的后果，減少開發(fā)軟件過程出現(xiàn)的錯誤是保證軟件質量的重中之重。高效的軟件錯誤定位方法不僅能夠減少軟件開發(fā)人員檢查程序的工作量，而且可以提高軟件調試的效率。
　　目前數(shù)據(jù)挖掘技術已經(jīng)在軟件錯誤定位領域中廣泛地使用，并且對于提高錯誤定位的效率起到了突出的效果。

2、本文提出了最大頻繁子圖挖掘算法和有差異的最大特征子圖挖掘算法來分析軟件錯誤。
　　首先，設計了基于分層插樁的軟件錯誤定位基本框架并構建了軟件動態(tài)執(zhí)行圖模型。軟件不同粒度的插樁產(chǎn)生了不同粒度的軟件動態(tài)執(zhí)行路徑，將這些執(zhí)行路徑轉化為軟件動態(tài)執(zhí)行圖。
　　其次，在軟件動態(tài)執(zhí)行圖數(shù)據(jù)庫中提出了一種基于最大頻繁子圖挖掘的軟件錯誤定位方法。在最大頻繁子圖挖掘算法MFSH-TreeMiner中，通過只訪問一次圖數(shù)據(jù)庫，建立最大頻繁子圖層次

3、樹MFSH-Tree。通過DFS策略遍歷MFSH-Tree挖掘出最大頻繁子圖，將最大頻繁子圖中的節(jié)點作為可疑的錯誤特征點。設計了AllJaccard公式用來計算特征點的錯誤可疑值，由此產(chǎn)生可疑的特征點排序表。
　　再次，在成功和失敗的軟件動態(tài)執(zhí)行圖數(shù)據(jù)庫中提出了一種基于有差異的最大特征子圖挖掘的軟件錯誤定位方法。有差異的最大特征子圖挖掘算法DMFG-Miner設計了一種數(shù)據(jù)結構DBC對圖數(shù)據(jù)庫進行存儲，構建了一個有差異的特征子圖樹