راهنمای تشخیص زودهنگام خطا و مکانیابی آن در نرمافزارهای استقراریافته براساس مدل رفتاری برنامه

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,951

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI13_056

تاریخ نمایه سازی: 25 آبان 1386

چکیده مقاله:

خطایابی نرمافزار، بهخصوص خطاهای مشاهده شده پس از استقرار نرمافزار، در عمل هزینههای پیشبینی نشده هنگفتی را برای شرکتهای کامپیوتری ایجاد و بعضاً با ضرر و زیان مواجه نموده اس ت. مشکل در اینجاست که نمی توان کلیه مسیرهای ممکن در اجرای برنامهها را قبل از تحویل برنامه مورد آزمون قرار داد. برای رفع این مشکل در این مقاله روشی جدید که تلفیقی از روشهای آماری و تکنیکهای یادگیری ماشینی است، برای ایجاد مدلهای رفتاری برنامه ارائه شده است. این روش از مدل مارکوف برای مدلسازی رفتار برنامه در طی اجراهای موفقیتآمیز استفاده میکند. علاوه بر آن با بهکارگیری روشهای آماری و مقایسه اطلاعات آماری در طی اجراهای موفق و ناموفق، خطوط برنامه براساس میزان احتمال خطادار بودن امتیازدهی میشوند. هنگام اجرای نرمافزار استقراریافته، رفتار برنامه با مدل ساخته شده مقایسه میشود تا بدین وسیله ناهنجاری در نرمافزار و محدوده آن کشف شود. پس از کشف ناهنجاری، خطوطی که مسبب رفتار ناهنجار برنامه هستند، براساس امتیازدهی انجام شده به کاربر اعلام میشوند. مزیت تکنیک ارائه شده این است که میتواند خطا را پیش از بروز واقعی آن و شکست نرمافزار پیدا کند؛ که این مسأله در نرم افزارهای حیاتی دارای اهمیت بسیار است. با پیاده سازی روش ارائه شده و بررسی های انجام شده بر روی یک مورد مطالعه ، تأثیر و کارایی روش پیشنهادی در یافتن خطاهای معنایی در نرم افزارهای بزرگ، نشان داده شده است

نویسندگان

سعید پارسا

دانشیار کامپیوتر دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران

سمیه عربی نرئی

دانشجوی کارشناسی ارشد نرمافزار دانشکده مهندسی کامپیوتر، دانشگاه عل

مجتبی وحیدی اصل

دانشجوی کارشناسی ارشد نرمافزار دانشکده مهندسی کامپیوتر، دانشگاه عل

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • _ Liu, C., Fei, L., and Yan, X. Statistical Debugging: ...
  • Cleve, H., and Zeller, A. Locating Causes of program failures. ...
  • Harrold, M.J., Rothermel, G., Sayre, K., Wu, R., and Yi, ...
  • Pytlik, B., Renieris, M., Kri shnamurthi, S., and Reiss, S.P. ...
  • Sekar, R., Bendre, M., Dhurjati, D., and Bollineni, P. A ...
  • Clarke, E., Grumberg, O., and Peled, D. Model Checking. MIT ...
  • Visser, W., Havelund, K., Brat, G., and Park, S. Model ...
  • Hutchins, M., Foster, H., Goradia, T., and Ostrand, T. Experiments ...
  • Brun, Y., and Ernst, M. Finding Latent Code Errors via ...
  • Hangal, S., and Lam, M. Tracking down Software Bugs Using ...
  • Bowring, J.F., Rehg, J.M., and Harrold, M.J., Active learning for ...
  • Orso, A., Jones, J., and Harrold, M.J. Visualization of _ ...
  • Rabiner , L. R. A tutorial on hidden markov models ...
  • Orso, A., Liang, D., Harrold, M. J., and Lipton R. ...
  • Clarke, E., Grumberg, O., and Peled, D. Model Checking. MIT ...
  • Liblit, B., Aiken, A., Zheng, A., and Jordan, M. Bug ...
  • SIGPLAN 2003 Int'1 Conf. Programming Language Design and I mp ...
  • Liu, C., Yan, X., Fei, L., Han, J., and Midkiff, ...
  • Rothermel, G., and Harrold, M.J. Empirical studies of a safe ...
  • Harrold, M. J., Larsen, L., Lloyd, J., Nedved, D. , ...
  • Young, S., and Evermann, G. HTK. Cambridge University Engineering Department, ...
  • Renieris, M., and Reiss, S.P. Fault localization with nearest neighbor ...
  • National Aeronautics and Space Admini stration. htto : //www .nasa. ...
  • Leveson, N. The Therac-25 unnyday. mit _ e d u/p ...
  • نمایش کامل مراجع