返回
Diversifying Focused Testing for Unit Testing
DOI:10.1145/3447265.png)
摘要
En 中文
软件不断变化,因为开发人员添加新的功能或修改。这直接影响与该软件相关联的测试套件的有效性,尤其是当这些新修改位于没有测试用例覆盖的特定区域时。本文解决了生成高质量测试套件以重复覆盖程序中的给定点的问题,其最终目标是暴露可能影响给定程序点的错误。基于搜索的软件测试和约束求解都提供了现成的但低质量的解决方案: 理想情况下,需要最大程度地覆盖测试集,而搜索和约束求解倾向于生成具有偏差分布的测试集。我们的方法,多元化集中测试 (DFT),使用了受GodelTest启发的搜索策略。我们人为地将参数注入代码分支条件,并使用双目标搜索算法通过扰动注入的参数来找到不同的输入,同时保持路径条件仍然可满足。我们的结果表明,我们的技术DFT至少在90% 时间内能够覆盖代码中的所需点。此外,添加多样性可以提高测试套件的错误检测和消灭能力。我们表明,DFT通过在105个软件主题中实现从3% 到70% 的突变得分改进以及高达100% 的故障检测改进,比集中测试,符号执行和随机测试获得了更好的结果。
Keyword:
Testing
focused testing
GodelTest
diversity
DFT
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
6.2
论文数:
1.2K
被引数:
3.4K
机构
引用论文
Serial changes of prefrontal lobe growth in the patients with benign childhood epilepsy with centrotemporal spikes presenting with cognitive impairments/behavioral problems伴有认知障碍/行为问题的良性儿童癫痫患者中前额叶生长的系列变化

