-
公开(公告)号：CN104699595B
公开(公告)日：2017-07-28
申请号：CN201310655851.5
申请日：2013-12-06
Applicant: 北京大学
Abstract: 一种面向软件升级的软件测试方法，所述方法基于等式描述的蜕变关系自动构造。在软件升级前，测试人员针对现有软件，构造每个程序的蜕变关系；所述程序指的是实现特定函数计算功能的程序代码；在软件升级后，针对修改后的程序，测试人员产生n个一定范围内的随机数作为测试用例，然后将每个测试用例和其在修改后程序中相应的输出代入修改之前程序构造出的蜕变关系式中，查看蜕变关系式是否成立，若修改后的程序不符合之前所构造出来的蜕变关系，则说明软件在升级过程中存在错误。通过本发明，测试人员可以将构造出的蜕变关系应用到蜕变测试中，从而验证软件版本升级过程中程序的正确性。
-
Patent Agency Ranking
公开(公告)号：CN111124880B
公开(公告)日：2021-08-17
申请号：CN201911063809.8
申请日：2019-11-04
Applicant: 北京大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于历史数据的编译器测试输入生成方法和系统。该方法基于历史测试数据，通过历史测试过程中生成的测试输入，挖掘测试输入特征和编译器缺陷的内在联系，推断出能够生成揭错概率高的配置选项的生成空间；使用粒子群算法，通过测量由不同配置选项生成的程序集合的内部距离，经过一定次数的算法迭代后，得到一个配置选项集合；利用该配置选项集合，生成揭错概率和多样性高的测试输入进行编译器测试。通过本发明，测试人员提供历史测试过程中的测试输入，能够得到一组能够生成揭错概率和多样性高的测试输入的配置选项，从而提升编译器测试的效率和效果。
-
公开(公告)号：CN107203469B
公开(公告)日：2020-04-03
申请号：CN201710292927.0
申请日：2017-04-28
Applicant: 北京大学
IPC: G06F11/36
Abstract: 本发明公布了一种编译器测试加速方法，采用机器学习方法构造用于预测测试程序触发缺陷的概率的能力模型和用于预测每个测试程序的执行时间的时间模型，通过计算每个测试程序单位时间内触发缺陷的概率，实现对测试程序的排序，从而实现编译器测试加速；包括学习阶段和调度阶段；学习阶段包括识别特征过程、训练能力模型过程和训练时间模型过程；调度阶段，基于所述学习阶段得到的能力模型和时间模型，得到新的测试程序的执行顺序。通过本发明，测试人员可在执行测试程序之前，事先对测试程序进行排序，使得更有可能触发缺陷的测试程序被优先执行，从而实现编译器测试加速。
-
公开(公告)号：CN104699595A
公开(公告)日：2015-06-10
申请号：CN201310655851.5
申请日：2013-12-06
Applicant: 北京大学
Abstract: 一种面向软件升级的软件测试方法，所述方法基于等式描述的蜕变关系自动构造。在软件升级前，测试人员针对现有软件，构造每个程序的蜕变关系；所述程序指的是实现特定函数计算功能的程序代码；在软件升级后，针对修改后的程序，测试人员产生n个一定范围内的随机数作为测试用例，然后将每个测试用例和其在修改后程序中相应的输出代入修改之前程序构造出的蜕变关系式中，查看蜕变关系式是否成立，若修改后的程序不符合之前所构造出来的蜕变关系，则说明软件在升级过程中存在错误。通过本发明，测试人员可以将构造出的蜕变关系应用到蜕变测试中，从而验证软件版本升级过程中程序的正确性。
-
公开(公告)号：CN111124880A
公开(公告)日：2020-05-08
申请号：CN201911063809.8
申请日：2019-11-04
Applicant: 北京大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于历史数据的编译器测试输入生成方法和系统。该方法基于历史测试数据，通过历史测试过程中生成的测试输入，挖掘测试输入特征和编译器缺陷的内在联系，推断出能够生成揭错概率高的配置选项的生成空间；使用粒子群算法，通过测量由不同配置选项生成的程序集合的内部距离，经过一定次数的算法迭代后，得到一个配置选项集合；利用该配置选项集合，生成揭错概率和多样性高的测试输入进行编译器测试。通过本发明，测试人员提供历史测试过程中的测试输入，能够得到一组能够生成揭错概率和多样性高的测试输入的配置选项，从而提升编译器测试的效率和效果。
-
公开(公告)号：CN107203469A
公开(公告)日：2017-09-26
申请号：CN201710292927.0
申请日：2017-04-28
Applicant: 北京大学
IPC: G06F11/36
Abstract: 本发明公布了一种编译器测试加速方法，采用机器学习方法构造用于预测测试程序触发缺陷的概率的能力模型和用于预测每个测试程序的执行时间的时间模型，通过计算每个测试程序单位时间内触发缺陷的概率，实现对测试程序的排序，从而实现编译器测试加速；包括学习阶段和调度阶段；学习阶段包括识别特征过程、训练能力模型过程和训练时间模型过程；调度阶段，基于所述学习阶段得到的能力模型和时间模型，得到新的测试程序的执行顺序。通过本发明，测试人员可在执行测试程序之前，事先对测试程序进行排序，使得更有可能触发缺陷的测试程序被优先执行，从而实现编译器测试加速。
-
-
-
-
-
Search Results
6
records
(took 0.011 seconds)
