一种软件回归测试过程中基于智能水滴的测试用例优先级确定方法

    公开(公告)号:CN110377496B

    公开(公告)日:2023-06-06

    申请号:CN201910351255.5

    申请日:2019-04-28

    Abstract: 本发明公开了一种软件回归测试过程中基于智能水滴的测试用例优先级确定方法,该方法包括:确定影响测试用例优先级的因素;根据测试用例发现的缺陷的严重性确定测试用例的重要程度;根据测试用例的重要程度建立测试用例节点选择规则;根据测试用例可以发现的缺陷数量、测试用例的执行时间,建立智能水滴速度更新规则;建立用例选择路径泥土量更新规则;所有智能水滴迭代完成后,确定所有智能水滴中的测试用例优先级排序。本发明充分考虑了影响测试用例优先级的因素,解决了考虑用例因素单一和未将这些因素融入到算法设计的问题,并根据智能水滴算法对回归测试用例执行的优先级进行排序,提高了回归测试的有效性和快速性。

    针对大规模静态缺陷检测的指针分析方法

    公开(公告)号:CN115858374A

    公开(公告)日:2023-03-28

    申请号:CN202211636295.2

    申请日:2022-12-19

    Abstract: 本发明公开了针对大规模静态缺陷检测的指针分析方法,包括以下步骤:步骤一,解析被分析工程的源代码;步骤二,构造控制流图;步骤三,构造函数调用图;步骤四,对调用图进行拓扑排序;步骤五,执行符号化的局部指针分析;步骤六,完成全程序的指针分析;步骤七,提供指向信息;所述步骤一中,标准化后的程序中,每条语句最多只有一个副作用,即函数调用或赋值操作;相较于现有的全程序指针分析方法,本发明所采用的模块化分析方法在分析大规模项目时,既能保证精度,又能显著降低开销,该方法通过在程序的语法树层面执行模块化的局部指针分析,得到的指针关系易于理解,且方便缺陷检测框架进行调试定位。

    一种基于链表和逆向遍历的汇编代码中if结构识别方法

    公开(公告)号:CN115857953A

    公开(公告)日:2023-03-28

    申请号:CN202211670829.3

    申请日:2022-12-23

    Abstract: 本发明公开了一种基于链表和逆向遍历的汇编代码中if结构识别方法,包括以下步骤:步骤一,创建链表和以地址为索引图的图;步骤二,汇编指令汇总与存储;步骤三,反优化操作;步骤四,逆向遍历链表;步骤五,无条件跳转指令的识别与归纳;步骤六,条件跳转指令的识别与归纳;本发明采用被跨越、被交叉的原则,实现了对编译器对跳转优化的反优化;本发明通过总结的识别策略实现了对if‑then、if‑else核结构的自动识别;本发明采用逆向遍历的方式,实现对if嵌套、布尔表达式复杂结构的识别,与正向识别方式相比,该方法仅需要一次遍历就能够确定每个if‑then、if‑else核心结构,减少了二次遍历的运算量。

    提升源代码静态分析工具鲁棒性的方法

    公开(公告)号:CN115658508A

    公开(公告)日:2023-01-31

    申请号:CN202211323819.2

    申请日:2022-10-28

    Abstract: 本发明公开了提升源代码静态分析工具鲁棒性的方法,包括以下步骤:步骤一,设计鲁棒性编译前端;步骤二,设计语法转译器;步骤三,提升原分析工具的鲁棒性;步骤四,添加零配置;所述步骤1.2中,词法解析模块预留了nextToken接口可供子类实现;本发明通过实现鲁棒性编译前端生成AST,并将该AST转译成原分析工具的AST,复用已有分析工具的代码分析能力,该编译前端内置了可扩展的预处理模块,拥有较强的编译错误恢复能力,较强的可扩展性,能够保证在复用已有代码资产的前提下,提高分析工具的鲁棒性,在被测软件不完整配置的分析条件下,仍能给出准确的分析结果,降低了静态分析工具使用者的门槛,提升工具的用户体验。

    一种基于模型驱动的测试方法和装置

    公开(公告)号:CN109491922B

    公开(公告)日:2021-12-07

    申请号:CN201811522286.4

    申请日:2018-12-13

    Abstract: 本发明公开了一种基于模型驱动的测试方法和装置,该方法包括:确定各可测试项;为各所述可测试项定义测试组成;依据所述测试组成以及预设的接口模型、测试模型与被测系统三者之间的关系,生成测试模型;将所述测试模型与测试脚本进行关联,生成测试用例;调用所述测试用例对待测试数据进行测试,生成测试报告。本发明通过维护测试模型来间接管理测试用例,测试需求的变更会影响测试模型的更新,测试模型的更新会自动生成新的测试用例,因此,测试模型的可复用性高,测试用例的可维护性强。

    图神经网络模型训练方法、软件缺陷检测方法及系统

    公开(公告)号:CN112288079A

    公开(公告)日:2021-01-29

    申请号:CN202011286945.6

    申请日:2020-11-17

    Abstract: 本发明公开了一种图神经网络模型训练方法、软件缺陷检测方法及系统。包括:根据软件缺陷数据集,获取训练软件函数及测试软件函数,训练软件函数和测试软件函数预先标注有初始缺陷数据;根据训练软件函数的多维代码属性,构建初始多维代码属性图,根据测试软件函数的多维代码属性,构建目标多维代码属性图;基于初始多维代码属性图对初始图神经网络模型进行训练,得到训练后的图神经网络模型;基于目标多维代码属性图对训练后的图神经网络模型进行测试,获取预测缺陷数据;在初始缺陷数据和预测缺陷数据匹配时,将训练后的图神经网络模型作为目标图神经网络模型。本发明可以提高软件缺陷检测精度,减少了人工干预的过程,易于扩展检测的缺陷类型。

    一种动态链接库的生成方法及装置

    公开(公告)号:CN111221532A

    公开(公告)日:2020-06-02

    申请号:CN201911339885.7

    申请日:2019-12-23

    Abstract: 本发明实施例提供了一种动态链接库的生成方法及装置。所述方法包括:根据仿真嵌入式项目中的协议,获取协议配置信息;基于所述协议配置信息,生成协议代码;对所述协议代码进行编译,生成用于进行数据通信协议处理的动态链接库。本发明实施例可以将共通性较好的数据存储功能、数据生成功能、数据模型对接功能、第三方软件数据支持功能封装成通用的动态库;将功能独立、处理复杂、影响虚拟系统运行效率的数据功能也封装成独立的通用动态库并启用独立线程进行逻辑处理。

    基于干扰变量的中断驱动型程序整数溢出模型检测方法

    公开(公告)号:CN111124723A

    公开(公告)日:2020-05-08

    申请号:CN201911067304.9

    申请日:2019-11-04

    Abstract: 本发明公开了一种基于干扰变量的中断驱动型程序整数溢出模型检测方法,该方法包括:对待处理程序进行解析,得到干扰变量集合;根据干扰变量集合中的干扰变量信息,对中断函数进行抽象处理,得到中断函数摘要;在主程序中插入中断函数摘要,得到顺序化后的程序;获得顺序化程序的静态单赋值形式SSA,并进行程序模型状态空间约简处理,得到约简后的程序;使用有界模型检测工具CBMC,对约简后的程序进行整数溢出检测。本发明在保证整数溢出问题检出率的前提下,不仅能够提高分析效率,还使得已有的模型检测技术能够适用于中断驱动型程序整数溢出检测。

    一种基于模型驱动的测试方法和装置

    公开(公告)号:CN109491922A

    公开(公告)日:2019-03-19

    申请号:CN201811522286.4

    申请日:2018-12-13

    Abstract: 本发明公开了一种基于模型驱动的测试方法和装置,该方法包括:确定各可测试项;为各所述可测试项定义测试组成;依据所述测试组成以及预设的接口模型、测试模型与被测系统三者之间的关系,生成测试模型;将所述测试模型与测试脚本进行关联,生成测试用例;调用所述测试用例对待测试数据进行测试,生成测试报告。本发明通过维护测试模型来间接管理测试用例,测试需求的变更会影响测试模型的更新,测试模型的更新会自动生成新的测试用例,因此,测试模型的可复用性高,测试用例的可维护性强。

Patent Agency Ranking