DFSampling:一种数据流分析指导的变异体精简策略
DFSampling: Mutant Reduction Technique Guided by Data Flow Analysis作者机构:北京科技大学计算机与通信工程学院北京100083 计算机科学国家重点实验室(中国科学院软件研究所)北京100190 北京邮电大学网络技术研究院北京100876
出 版 物:《软件学报》 (Journal of Software)
年 卷 期:2022年第33卷第9期
页 面:3407-3421页
核心收录:
学科分类:08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)] 081202[工学-计算机软件与理论]
基 金:国家自然科学基金(61872039) 中国科学院软件研究所计算机科学国家重点实验室开放课题(SYSKF1803) 中央高校基本科研业务费专项(FRF-GF-19-019B)。
主 题:软件测试 变异测试 数据流分析 变异体精简 随机选择策略
摘 要:软件测试是一种广泛使用的软件质量保证手段.变异测试是一种基于故障的软件测试方法,广泛用于评估测试用例集的充分性与软件测试技术的有效性.数量庞大的变异体导致变异测试的成本非常高.提出一种数据流分析指导的变异体精简方法(DFSampling),设计了启发式规则,基于这些规则对随机选择技术与基于路径感知的变异体精简技术(PAMR)进行了改进.采用经验研究的方式评估了DFSampling的有效性,比较了DFSampling与随机选择技术、PAMR技术的有效性,实验结果表明DFSampling是一种有效的变异体精简策略,提高了变异测试的效率.