检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于修复模板的软件缺陷自动修复方法研究

基于修复模板的软件缺陷自动修复方法研究

作者：何正浩河南工业大学

学位级别：硕士

缺陷修复是软件维护的一个重要组成部分,是降低软件开发成本和提高软件质量的关键。软件缺陷自动修复在软件开发过程中降低调试和维护成本等方面具有很大的潜力。近年来,许多软件缺陷自动修复方法被证明在软件开发中是有用的,然而如何... 详细信息

缺陷修复是软件维护的一个重要组成部分,是降低软件开发成本和提高软件质量的关键。软件缺陷自动修复在软件开发过程中降低调试和维护成本等方面具有很大的潜力。近年来,许多软件缺陷自动修复方法被证明在软件开发中是有用的,然而如何减少对巨大搜索空间的搜索,提高补丁质量进而提高软件缺陷自动修复方法的成功率和效率仍然是具有挑战性的问题。针对上述问题,本文研究了两种基于修复模板的软件缺陷自动修复方法,并将两种软件缺陷修复方法集成为一个修复工具,主要研究内容如下:(1)针对软件缺陷自动修复中修复材料选取随机和导航的问题,提出了基于预定义模板和上下文感知的软件缺陷自动修复方法(Pre-defined Template and Context Aware based Automatic Software Repair),并实现了缺陷修复工具PCRepair。首先,该方法采用Ochiai缺陷定位技术定位到可疑缺陷语句,并生成可疑缺陷语句列表。其次,将可疑语句的上下文与修复模板的上下文相匹配,采用上下文感知缩小对搜索空间的搜索,为可疑语句生成候选补丁。然后,使用加权融合相似度的补丁优先级排序技术对候选补丁排序,将排序过后的候选补丁依次通过配套的测试用例。最后,直到生成了一个合理的补丁或验证完所有的候选补丁。在Defects4J数据集上的六个项目中的395个缺陷进行实验,实验结果表明,PCRepair正确修复了38个缺陷,并与j Gen Prog、Historical Fix、JAID、ACS、KPAR、ELIXIR、AVATAR、Nopol、Fix Miner、Sketch Fix、CODIT和Tufano19等方法相比较,PCRepair在缺陷修复成功率和效率上优于现有方法。(2)针对软件缺陷自动修复中修复粒度太粗和补丁质量较差的问题,提出了基于图挖掘模板和遗传编程的软件缺陷自动修复方法(Graph Mining Template and Genetic Programming based Automatic Software Repair),并实现了缺陷修复工具MGRepair。首先,该方法采用Ochiai缺陷定位技术定位到可疑缺陷语句,并生成可疑缺陷语句列表。其次,将可疑语句的上下文与图挖掘模板的上下文相匹配,为可疑语句生成初始化种群,根据遗传编程的变异和交叉操作对缺陷程序进行演化,生成新个体。然后,将候选补丁依次通过配套的测试用例,使用测试用例的优先级排序技术对测试用例进行降序排列。最后,过滤掉未能通过测试用例的补丁并将通过测试用例的补丁进行输出。在Defects4J数据集上的六个项目中的395个缺陷进行实验,实验结果表明,MGRepair正确修复了41个缺陷,并与j Gen Prog、Historical Fix、JAID、ACS、KPAR、ELIXIR、AVATAR、Nopol、Fix Miner、Sketch Fix、CODIT和Tufano19等方法相比较,MGRepair在缺陷修复成功率和效率上优于现有方法。(3)本文将PCRepair与MGRepair两种软件缺陷自动修复方法集成为一个修复工具Bug Fix。该修复工具主要由缺陷定位模块、补丁生成模块以及补丁验证模块三大模块组成。该修复工具使用方法简明,只需要根据该工具的说明执行即可,具有相应的应用价值。

关键词：软件缺陷自动修复修复模板上下文遗传编程代码相似性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的软件缺陷自动修复技术研究

基于深度学习的软件缺陷自动修复技术研究

作者：刘昱河南工业大学

学位级别：硕士

软件缺陷修复是软件工程领域的关键问题,是软件测试与维护中耗费成本最高的活动。软件缺陷自动修复技术能够有效降低缺陷修复的成本,是近年来学术研究的热点问题。本文研究基于深度学习的软件缺陷自动修复技术,将基于深度学习的机器翻... 详细信息

软件缺陷修复是软件工程领域的关键问题,是软件测试与维护中耗费成本最高的活动。软件缺陷自动修复技术能够有效降低缺陷修复的成本,是近年来学术研究的热点问题。本文研究基于深度学习的软件缺陷自动修复技术,将基于深度学习的机器翻译技术即神经机器翻译技术应用于软件缺陷自动修复问题中,通过端到端补丁生成模型自动生成候选补丁。这类软件缺陷自动修复技术的研究工作少之又少,且普遍修复缺陷成功率和效率较低。针对上述问题,本文提出了两种应用神经机器翻译进行软件缺陷自动修复的技术,并集成了一种软件缺陷自动修复工具。具体研究内容如下:(1)提出了基于多机制神经机器翻译的软件缺陷自动修复技术(Multi-mechanism Neural machine translation based automatic software Repair,MNRepair)。首先,采用词级分词等技术对由缺陷程序语句及其对应的修复语句构成的数据集进行预处理。其次,训练调试融合注意力机制、复制机制以及覆盖机制的多机制补丁生成模型,多机制的使用能够缓解一个固定维度的向量难以编码缺陷程序语句所有信息的问题、未登录词问题以及过度翻译和翻译不充分问题。再次,采用缺陷自动定位技术对待修复缺陷软件进行定位分析并生成缺陷定位报告。然后,利用参数优化后的多机制补丁生成模型为待修复软件生成多个修复语句(候选补丁)。最后,通过测试用例验证候选补丁,并输出通过验证的补丁。在Defects4J缺陷库的395个真实Java软件缺陷上,对MNRepair进行了实验评估。实验结果表明,MNRepair正确修复了26个缺陷,修复成功率和修复效率优于HDRepair、ss Fix、ACS、Cap Gen、LSRepair、Nopol、Sketch Fix、CODIT、Sequence R和j Gen Prog等现有的软件缺陷自动修复技术。(2)提出了基于自注意力神经机器翻译的软件缺陷自动修复技术(Self-attention Neural machine translation based automatic software Repair,SNRepair)。首先,使用基于一元语言模型的子词切分算法预处理数据集,从数据处理的角度有效缓解未登录词问题。其次,训练调试加入局部建模的基于自注意力的Transformer补丁生成模型,该补丁生成模型不仅可以显著缓解源代码中较为棘手的长距离依赖问题以及实现GPU上的并行化,还能够有效地建模局部信息。再次,采用缺陷自动定位技术定位缺陷语句的可能位置并生成相应的缺陷定位报告。然后,利用参数优化后的Transformer补丁生成模型生成多个候选补丁。最后,利用测试用例验证候选补丁,并输出通过验证的补丁。在Defects4J缺陷库的395个真实Java软件缺陷上,对SNRepair进行了实验评估。实验结果表明,SNRepair正确修复了32个缺陷,与HDRepair、ss Fix、ACS、Cap Gen、LSRepair、Nopol、Sketch Fix、CODIT、Sequence R和j Gen Prog等现有的软件缺陷自动修复技术相比,拥有更好的修复能力。(3)针对上述两种软件缺陷自动修复技术,集成了一种软件缺陷自动修复工具Software Repair。其利用Gzoltar进行缺陷定位、使用不同的修复方式进行补丁生成以及运行测试用例进行候选补丁的验证。该修复工具提升了缺陷自动修复技术的易用性,且自动化程度较高,在实际使用过程中,仅需要根据工具的提示执行相应的操作即可,具有一定的应用价值。

关键词：软件缺陷自动修复神经机器翻译注意力机制子词切分局部建模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于启发式搜索的软件缺陷自动修复技术研究

基于启发式搜索的软件缺陷自动修复技术研究

作者：石建树河南工业大学

学位级别：硕士

软件缺陷自动修复是推进软件维护自动化,提高软件质量和可信性的重要手段。尽管人们已经提出了多种支持软件缺陷自动修复的方法和技术,然而已有的研究结果表明,当前软件缺陷自动修复技术还处于初级阶段,修复的效率和能力有待提高。论文... 详细信息

软件缺陷自动修复是推进软件维护自动化,提高软件质量和可信性的重要手段。尽管人们已经提出了多种支持软件缺陷自动修复的方法和技术,然而已有的研究结果表明,当前软件缺陷自动修复技术还处于初级阶段,修复的效率和能力有待提高。论文着重于研究基于启发式搜索的软件缺陷自动修复技术,该类技术将缺陷自动修复问题转化为一种依据某种启发式信息从潜在搜索空间中寻找正确补丁的搜索问题。深入研究了软件缺陷自动修复的三种搜索空间并在现有技术的基础上分别对这三种搜索空间进行了一定程度的优化。首先,通过预设最小可疑值和最大可疑位置数量限制可疑空间的规模;然后,扩充了操作空间以增加修复更多缺陷的机会;最后,为了限制材料空间的规模,将修复材料的来源限制在缺陷程序本身。针对现有基于搜索的软件缺陷自动修复技术中搜索空间大、搜索效率低的问题,提出了两种软件缺陷自动修复方法,并在大型开源软件的真实历史缺陷上验证了有效性。主要工作和贡献总结如下:（1）针对现有软件缺陷自动修复方法中搜索空间大、搜索效率低的问题,提出了一种基于遗传编程与代码相似性的软件缺陷自动修复方法,设计并实现了其原型工具GPSRepair（Genetic Programming with Similarity Repair）。首先,通过缺陷定位技术获取可疑空间;其次,通过变异和交叉生成候选补丁;然后,通过测试用例验证每个候选补丁并计算其与原始程序的相似度;接着,计算每个补丁个体的适应度值,并按照适应度值选择新一代种群;最后,重复上述步骤直到生成通过所有测试用例的补丁。在Defects4j缺陷数据集的224个真实Java软件缺陷上进行了验证,结果表明GPSRepair比现有软件缺陷自动修复方法拥有更好的修复能力。（2）针对现有软件缺陷自动修复方法中补丁验证消耗计算资源过大的问题,提出了一种基于随机搜索策略的软件缺陷自动修复方法,设计并实现了其原型工具RSSRepair（Random Search Strategy Repair）。RSSRepair取消了GPSRepair方法中的交叉过程并且不再使用适应度函数去描述候选补丁的优劣程度,对每个个体的选择方式为均匀随机选择。首先,通过缺陷定位技术获取可疑空间和缺陷程序的失败测试用例;其次,重构原有测试用例,为每个测试用例赋予无效补丁识别能力;然后,通过变异生成候选补丁;接着,通过测试用例排序技术加速候选补丁的验证过程;最后,重复上述步骤直到生成通过所有测试用例的补丁。在Defects4j缺陷数据集的224个真实Java软件缺陷上进行验证,实验结果表明RSSRepair比现有软件缺陷自动修复方法拥有更高的修复效率。

关键词：软件缺陷自动修复启发式搜索遗传编程随机搜索策略代码相似性

基于遗传编程优化的软件缺陷自动修复方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于遗传编程优化的软件缺陷自动修复方法研究

作者：刘方正河南工业大学

学位级别：硕士

随着全球科技的迅猛发展,计算机软件逐渐成为信息化社会建设的必要手段,因此计算机软件必然会成为未来全球发展的趋势。然而,在软件的开发和使用过程中存在着大量的缺陷,修复缺陷成为软件开发中最重要的环节之一,所以软件缺陷自动修复... 详细信息

随着全球科技的迅猛发展,计算机软件逐渐成为信息化社会建设的必要手段,因此计算机软件必然会成为未来全球发展的趋势。然而,在软件的开发和使用过程中存在着大量的缺陷,修复缺陷成为软件开发中最重要的环节之一,所以软件缺陷自动修复技术应运而生,成为了软件工程领域研究的热点问题。缺陷自动修复技术是指当软件中的程序出现故障时,可以快速准确的对其进行修复,以达到减少调试成本,提高软件质量的目的。近年来,基于搜索的修复方法深受研究者的青睐。此类方法主要使用了遗传编程这类启发式搜索的算法来搜寻潜在空间中正确的补丁,并加以测试来验证补丁的正确性。本文提出了两种基于遗传编程优化的缺陷自动修复方法,并研发了一个系统工具来集成这两种方法。具体研究内容如下:(1)针对单一目标(通过测试用例验证的数量)来验证选择子代补丁,没有通过其他约束条件来选择更加优异子代,影响补丁生成效率的问题。提出了一种基于多目标遗传编程的软件缺陷自动修复方法(Multi-objective Genetic Programming based automatic software Repair,MGPRepair)。首先,该方法采用轻量级上下文分析的策略寻找合适修复材料。其次,将修复材料中的替换语句和插入语句解耦,使用较低粒度的补丁表示方法对搜索空间中的补丁进行编码。然后,将软件缺陷自动修复视为一个多目标搜索问题,并使用NSGA-II多目标优化算法寻找更简单的修复补丁。最后,使用测试用例过滤技术加快补丁的验证过程,生成正确的补丁。在缺陷数据集Defects4J的395个真实Java软件缺陷上,对MGPRepair进行了实验评估。实验评估结果表明,MGPRepair可以为51个缺陷生成通过测试用例的补丁,其中有35个缺陷补丁和人工生成的补丁等价,修复效率和成功率优于j Gen Prog、RSRepair、ARJA、Nopol、Capgen和Sequence R等优秀的软件缺陷自动修复方法。(2)针对初始化种群质量较低,导致搜索算法收敛慢,严重影响补丁生成效率的问题。提出了一种基于融合机器翻译和遗传编程的软件缺陷自动修复方法(Machine Translation and Genetic Programming based automatic software Repair,MTGPRepair)。首先,使用缺陷定位方法Ochiai定位缺陷位置并生成缺陷报告。其次,将人工修复模板与缺陷报告中缺陷位置进行上下文匹配,生成部分初始种群。然后,使用神经机器翻译中的双向循环神经网络模型来学习缺陷代码与修复代码之间的关系,通过模型来对缺陷位置生成高质量的初始种群。最后,使用遗传编程的方法搜寻正确补丁并采用测试用例过滤技术加快补丁的验证过程,生成正确的补丁。在缺陷数据集Defects4J的395个真实Java软件缺陷上,对MGPRepair进行了实验评估。实验结果表明,MTGPRepair可以为58个缺陷生成通过测试用例的补丁,其中有39个缺陷补丁和人工生成的补丁等价,与PAR、j Genprog、ACS、RSRepair、ARJA、Nopol、Capgen和Sequence R等优秀的软件缺陷自动修复方法相比,拥有更好的修复效果。(3)针对本文提出的两种缺陷自动修复方法,设计并实现了一款自动修复工具。该修复工具可以按照需求定制化的选择需要使用的缺陷定位方法和本文的两种修复方法。测试用例过滤,补丁过拟合检测等功能都是可以选择是否使用的选项,具有高度的易用性和定制化。根据修复工具的提示进行操作,在实际应用中具有一定的使用价值。

关键词：软件缺陷自动修复遗传编程多目标优化神经机器翻译修复模板

基于深度学习和搜索技术的方法调用缺陷自动修复方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习和搜索技术的方法调用缺陷自动修复方法研究

作者：董兰四川大学

学位级别：硕士

在软件质量保证中,软件缺陷的修复是至关重要且难度较大的工作。缺陷修复是一项耗时且成本较高的任务,研究表明,传统的调试技术修复软件缺陷需要花费软件开发总成本的50%左右。随着现代软件规模不断扩大,缺陷修复和维护周期逐渐变短,传... 详细信息

在软件质量保证中,软件缺陷的修复是至关重要且难度较大的工作。缺陷修复是一项耗时且成本较高的任务,研究表明,传统的调试技术修复软件缺陷需要花费软件开发总成本的50%左右。随着现代软件规模不断扩大,缺陷修复和维护周期逐渐变短,传统的调试技术已经无法满足现代软件开发的需求。为了降低调试成本,及时生产出高质量的软件,研究人员提出了软件缺陷自动修复技术,包括基于搜索、修复模板、语义驱动和深度学习等的修复技术。但现有的软件缺陷自动修复技术由于探讨的是通用的解决方案,缺少对不同缺陷类型的具体分析,导致缺陷修复的针对性不强,缺陷修复率较低,修复效果不佳。为了提高缺陷修复效果,本文针对面向对象程序中出现概率较大的方法调用类型缺陷,提出了一种新颖的基于深度学习和搜索技术的方法调用缺陷自动修复方法。该方法包括基于深度学习,训练缺陷修复模型;基于缺陷修复模型和搜索技术,生成和验证缺陷修复的补丁。(1)使用神经网络模型,学习缺陷和对应修复的关系。在开源数据集中收集方法调用类型缺陷的历史修复数据,并进行预处理;选择适合缺陷修复的神经网络模型,在数据集上训练得到缺陷修复模型。(2)在修复缺陷时,首先使用训练好的缺陷修复模型生成缺陷的候选补丁集,并用测试用例验证补丁集中每个候选补丁的有效性,若补丁集中存在有效补丁,则输出有效补丁;若补丁集中的候选补丁无效,则再使用改进的基于搜索技术的缺陷修复方法,将缺陷修复模型生成的补丁集形成初始种群,并对初始种群进行选择、交叉和突变操作,以生成更多的候选补丁,最后再对生成的候选补丁进行验证,判断候选补丁的有效性。本文开发了缺陷修复的工具原型DLGPFix,并采用Defects4J缺陷库中的缺陷数据验证了本文方案的可行性和有效性。实验表明:(1)本文方案缺陷修复率为56.94%,补丁正确率为63.41%。(2)与流行的TBar、SequenceR和jGenProg自动化缺陷修复工具相比,本文方案的缺陷修复率和补丁正确率均有提高。

关键词：软件调试软件缺陷自动修复补丁生成与验证深度学习搜索技术