-
公开(公告)号:CN119025409A
公开(公告)日:2024-11-26
申请号:CN202410966968.3
申请日:2024-07-18
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/36 , G06F18/2415 , G06F18/214
Abstract: 本发明提供了一种中断驱动型程序多变量原子性违反检测方法,包括:以真实航天嵌入式软件为数据库,筛选配有详细文档和带有注释源代码的软件,作为关联变量对识别模型的训练数据集;以共享变量对为对象,通过静态分析对训练数据集中的软件中的共享变量对进行特征提取,构建考虑关联变量对的关联性特征的训练数据集样本;构建学习模型并使用训练数据集样本进行训练,得到一个能够自动识别关联变量对的分类器模型;对待分析源程序进行分析,构建变量对样本作为测试样本;将测试样本输入所述的分类器模型进行关联变量对识别;根据识别的关联变量对得到原子区,分析中断的抢占是否可能破坏原子区,完成多变量原子性违反检测。
-
公开(公告)号:CN119988237A
公开(公告)日:2025-05-13
申请号:CN202510457455.4
申请日:2025-04-14
Applicant: 北京轩宇信息技术有限公司
IPC: G06F11/3668
Abstract: 一种使用结构化种子用例引导的单元测试智能生成方法,属于软件测试技术领域,包括:解析被测函数,构建被测函数的上下文,并根据被测函数构建预设结构的种子用例;根据被测函数的上下文、代码块和种子用例构建提示词,将提示词输入大模型生成所述预设结构的测试用例,并将测试用例转化为预设标准的测试代码;执行所述测试代码,获得测试覆盖率,根据测试覆盖率情况确定优化需求。本发明通过分析被测函数接口数据,为被测函数构建一个结构化的种子用例,用于引导大模型生成结构化的测试用例,使用基于规则的方法将结构化的测试用例转为测试代码,解决了大模型直接生成测试代码出错概率高的问题,提高了大模型在单元测试中的表现能力。
-