arrow
返回

Validity-Preserving Delta Debugging via Generator Trace Reduction

delete2025-02-24
delete0
delete
OA
AI
L
Luyao Ren
X
Xing Zhang
Z
Ziyue Hua
Y
Yanyan Jiang
何
何啸 (Xiao He)
Y
Yingfei Xiong
Tao Xie 封面图
Tao Xie (Tao Xie)
DOI:10.1145/3705305delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
减少触发错误的测试输入对于高效调试至关重要。差分调试(Delta debugging)是实现这一目的的最流行方法。当测试输入需要符合特定规范时,现有的差分调试实践会遇到有效性问题:它盲目地应用缩减规则,产生大量无效的测试输入,这些输入不满足所需的规范。当规范扩展到超出语法结构时,这种整体有效性和效率的降低现象尤为明显。我们的关键见解是,我们应该利用了解这些规范的输入生成器来生成有效的缩减输入,而不是直接对测试输入进行缩减。在本文中,我们提出了一种基于生成器的差分调试方法,即GReduce,它推导出保持有效性的缩减器。具体来说,给定一个生成器及其执行过程,展示了如何生成触发错误的测试输入,GReduce会在该生成器上搜索其他执行过程,以产生缩减的、有效的测试输入。在五个基准测试(即图、深度学习模型、JavaScript程序、SymPy和代数数据类型)上的评估结果显示,GReduce在有效性和效率方面显著优于基于语法的最先进缩减器,包括Perses和T-PDD,同时也优于QuickCheck、SmartCheck以及基于选择序列的最先进缩减器Hypothesis,证明了GReduce的有效性、高效性和通用性。
Keyword:
delta debugging
generator-based testing
software debugging

期刊

A
ACM Transactions on Software Engineering and Methodology
IF:
6.2
论文数:
1.2K
被引数:
3.4K

机构

G
Gansu Prov Hepatobiliary Pancreat Dis Precis Diag
学者数:
951
论文数: 402
被引数: 148
引用论文

引用论文

err
IF0
err
err0
PREAI
err
err分享
err收藏
err分享
err收藏
学者 查看更多内容