Auteurs
Yi Ji (1), Simon Mak (2), Ryan Lekivetz (1) et Joseph Morgan (1)
Affiliations
(1) JMP Statistical Discovery LLC
(2) Université Duke, Durham, Caroline du Nord
Journal
2024 22e Symposium international ACM-IEEE sur les méthodes et modèles formels pour la conception de systèmes (MEMOCODE)
Date de publication
2024
Abstrait
Les tests logiciels sont essentiels au développement fiable et robuste des systèmes logiciels complexes. Ceci est particulièrement critique pour les systèmes cyberphysiques (CPS), qui nécessitent des tests rigoureux avant leur déploiement. La complexité de ces systèmes limite l'utilisation des méthodes de vérification formelle. De plus, les tests et la localisation des défauts peuvent s'avérer très coûteux. Afin de réduire ces coûts, nous présentons dans cet article un cadre holistique de conception de cas de test et de localisation des défauts guidé par l'apprentissage automatique (MaLT), qui exploite des méthodes récentes d'apprentissage automatique probabiliste pour accélérer les tests des systèmes logiciels complexes. MaLT se compose de trois étapes : (i) la construction d'une suite de cas de test à l'aide d'un tableau de couverture pour les tests initiaux, (ii) l'étude des probabilités a posteriori des causes racines via une procédure bayésienne de localisation des défauts, puis (iii) l'utilisation de cette analyse bayésienne pour guider la sélection des cas de test suivants par apprentissage actif. Le cadre MaLT proposé permet ainsi d'identifier efficacement les défauts logiciels et de diagnostiquer ensuite les défauts logiciels avec un nombre limité d'exécutions de tests. Ce cadre présente un potentiel d'intégration avec une approche d'oracle de test basée sur des assertions, ce qui pourrait s'avérer être un moyen efficace et rentable d'intégrer des méthodes formelles légères aux tests.
Citation
Ji, Y., Mak, S., Lekivetz, R. et Morgan, J., octobre 2024. MaLT : Conception de cas de test et localisation des défauts guidées par l’apprentissage automatique dans les systèmes logiciels complexes.2024 22e Symposium international ACM-IEEE sur les méthodes et modèles formels pour la conception de systèmes (MEMOCODE)(pp. 58-62). IEEE, https://doi.org/10.1109/MEMOCODE63347.2024.00011 .
