Mustertext mängelanzeige bau

Um ein fehlerspezifisches Modell zu etablieren, müssen wir zunächst die Diskrepanz zwischen echten Defekten und falschen Positivmeldungen aus den Quellcodes im Zusammenhang mit den gemeldeten Alarmen ziehen. Die vorhandenen Ansätze haben manuell verschiedene Funktionen entworfen, um die Alarme zu klassifizieren, z. B. Software-Metriken-Features, Quellcodeverlauf und Abwanderungsfunktionen basierend auf Datei- oder Modulebene und Alarm-basierte Funktionen. Diese Features unterscheiden sich jedoch nicht präzise bei der Darstellung der deutlichen Semantik von Alarmen, die zu einer großen Menge falscher Positivmeldungen führen. Beispiel: Abb. 1 zeigt eine C-Sprachfunktion str_add_char aus dem Zauber mit zwei Alarmen, die von DTS gemeldet werden. Alarm NPD1 wird nach manueller Prüfung aufgrund der Ableitung eines Parameters str, der null sein kann, als handlungsfähig ermittelt, während Alarm NPD2 als undurchführbar bestimmt wird. Die Feature-Vektoren dieser beiden Alarme sind unter herkömmlichen Features identisch, da diese beiden Alarme die gleichen Merkmale in Bezug auf If-Anweisungen, Zuweisungsanweisungen und Codezeilen usw. aufweisen. Die manuellen Inspektionsergebnisse dieser beiden Alarme liegen jedoch gegenüber. Daher können falsche Positivmeldungen auftreten, wenn wir traditionelle Funktionen verwenden, um die gemeldeten Alarme zu klassifizieren.

In Zukunft werden wir unseren automatisierten Fehleridentifikationsansatz für mehr Fehlermuster erweitern. Darüber hinaus wird das Entwerfen einer Reihe von Artefakteigenschaften, die für die meisten Fehlermuster genug geteilt werden können, als von großer Bedeutung für unsere Arbeit angesehen. Wie in diesem Papier nicht erwähnt wird, besteht jedoch eine große Herausforderung bei der Erhöhung der Genauigkeit der projektübergreifenden Fehlererkennung, nämlich der Verwendung eines bestimmten Projekts zur Schulung eines Modells zur Identifizierung der Defekte aus einem anderen Projekt ohne manuelle Inspektion. Darüber hinaus planen wir, unser Modell in Kombination mit Transfer-Lernmethoden zu nutzen, um Fehler projektübergreifend automatisch zu identifizieren, was eine Höhere Genauigkeit der projektübergreifenden Fehlererkennung versprechen würde. Es gibt eine Strategie für Klassifizierungsaufgaben mit maschinellem Lernen, die von Witten et al. (2016) skizziert wurde, und Abb. 3 veranschaulicht ein komplettes Verfahren zur Erstellung eines Klassifizierungsmodells zur automatischen Identifizierung von Fehlern auf der Grundlage der Strategie. Für die folgenden vier Unterabschnitte beschreiben wir den in diesem Papier vorgeschlagenen Modellbauprozess. Leider habe ich dieses Muster noch nie in CPI oder in Der Prozessorchestrierung verwendet. Haben Sie dieses Muster verwendet? Kommentieren Sie Ihre Erfahrung mit Format Indicator Muster unten oder schreiben Sie einen Blog, der zeigt, wie Sie das Format Indikator Muster angewendet. Softwaretests auf Basis von Defektmustern (Quinlan et al. 2007) ist eine statische Quellcodeanalysetechnologie, die in diesem Jahrhundert entwickelt wurde.

Posted in Non classé