Autores
Yi Ji (1), Simon Mak (2), Ryan Lekivetz (1) y Joseph Morgan (1)
Afiliaciones
(1) JMP Statistical Discovery LLC
(2) Universidad de Duke, Durham, Carolina del Norte
Diario
22.º Simposio Internacional ACM-IEEE sobre Métodos y Modelos Formales para el Diseño de Sistemas (MEMOCODE) 2024
Fecha de publicación
2024
Abstracto
Las pruebas de software son esenciales para el desarrollo confiable y robusto de sistemas de software complejos. Esto es particularmente crítico para los sistemas ciberfísicos (CPS), que requieren pruebas rigurosas antes de su implementación. La complejidad de estos sistemas limita el uso de métodos formales de verificación. Además, las pruebas y la localización de fallas pueden ser muy costosas. Para mitigar este costo, en este trabajo describimos un marco holístico de diseño de casos de prueba y localización de fallas (MaLT) guiado por aprendizaje automático, que aprovecha los métodos recientes de aprendizaje automático probabilístico para acelerar las pruebas de sistemas de software complejos. MaLT consta de tres pasos: (i) la construcción de un conjunto de casos de prueba utilizando una matriz de cobertura para las pruebas iniciales, (ii) la investigación de las probabilidades de causa raíz posterior mediante un procedimiento bayesiano de localización de fallas, y (iii) el uso de dicho análisis bayesiano para guiar la selección de casos de prueba posteriores mediante aprendizaje activo. El marco MaLT propuesto puede, por lo tanto, facilitar la identificación eficiente y el diagnóstico posterior de fallas de software con ejecuciones de prueba limitadas. Este marco tiene potencial para integrarse con un enfoque de oráculo de pruebas basado en afirmaciones, lo que puede resultar una forma eficiente y rentable de integrar métodos formales livianos con las pruebas.
Citación
Ji, Y., Mak, S., Lekivetz, R. y Morgan, J., 2024, octubre. MaLT: Diseño de casos de prueba guiados por aprendizaje automático y localización de fallos de sistemas de software complejos. En22.º Simposio Internacional ACM-IEEE sobre Métodos y Modelos Formales para el Diseño de Sistemas (MEMOCODE) 2024(págs. 58-62). IEEE, https://doi.org/10.1109/MEMOCODE63347.2024.00011 .
