教学课程资源库 更多>>

关键词： 深度神经网络   自动驾驶软件   解释方法   软件测试  

摘要： 以深度神经网络(deep neural network,DNN)为基础构建的自动驾驶软件已成为最常见的自动驾驶软件解决方案.与传统软件一样,DNN也会产生不正确输出或意想不到的行为,基于DNN的自动驾驶软件已经导致多起严重事故,严重威胁生命和财产安全.如何有效测试基于DNN的自动驾驶软件已成为亟需解决的问题.由于DNN的行为难以预测和被人类理解,传统的软件测试方法难以适用.现有的自动驾驶软件测试方法通常对原始图片加入像素级的扰动或对图片整体进行修改来生成测试数据,所生成的测试数据通常与现实世界差异较大,所进行扰动的方式也难以被人类理解.为解决上述问题,提出测试数据生成方法IATG(interpretability-analysis-based test data generation),使用DNN的解释方法获取自动驾驶软件所做出决策的视觉解释,选择原始图像中对决策产生重要影响的物体,通过将其替换为语义相同的其他物体来生成测试数据,使生成的测试数据更加接近真实图像,其过程也更易于理解.转向角预测模型是自动驾驶软件决策模块重要组成部分,以此类模型为例进行实验,结果表明解释方法的引入有效增强IATG对转向角预测模型的误导能力.此外,在误导角度相同时IATG所生成测试数据比DeepTest更加接近真实图像;与semSensFuzz相比,IATG具有更高误导能力,且IATG中基于解释分析的重要物体选择技术可有效提高semSensFuzz的误导能力.

关键词： 人工智能   软件   测试   应用  

摘要： 目前,人工智能技术快速发展,应用越来越广泛。介绍了传统软件测试方法存在的问题,分析了现有人工智能测试工具和解决方案,并对传统软件测试方法和人工智能测试进行了对比。同时展望了人工智能技术在软件测试应用方面的发展趋势。

关键词： 软件测试   单元测试   变异测试  

摘要： 软件测试是保证软件质量的重要手段。变异测试通过植入一些错误,模拟软件中的各种缺陷,评估测试套件的质量。通过简要介绍变异测试的基本原理,同时结合具体实验展示变异测试在单元测试中的基本应用,详细分析了存活变异体被杀死的原因,并指出变异测试进一步的应用方向。

关键词： 课程思政   软件测试   多元化  

摘要： 以立德树人为出发点,以培养德才兼备的软件测试人才为目标,本文结合软件测试课程的特点和授课群体的共同点,提出了一种“知识+价值”、“课内+课外”、“过程+结果”的多元化教学模式。通过知识+价值的教学理念正确引导老师以润物细无声地方式融入课程思政元素。通过课内+课外的教学方式让学生能够课前掌握简单、基础的知识,课上学习重难点知识,课后以复习+练习+提升的方式满足不同层次学生的需求。通过过程+结果的考核方式,在测验学生理论知识掌握程度的同时考察德育效果。实践表明,这种多元化的教学模式不仅能在知识层面提升学生的功底,而且能在德育层面培养学生的工匠精神和航天精神。

关键词： 软件测试   遗传算法   LightGBM   有向图   测试用例生成  

摘要： 随着互联网技术不断发展,各类商务软件功能需求不断增加,且其复杂性逐渐提高,软件的可靠性与安全性受到了越来越多的关注,软件测试是软件质量保障的关键技术。由于现代商务软件产品具有需求变化频繁、版本迭代过快等特点,为其手工编写测试用例会耗费大量人力成本,尤其敏捷开发过程中,回归测试等需要产生大量重复用例。采用机器学习技术,基于遗传算法和LightGBM模型,提出了一个测试用例自动生成模型,创新贡献表现在:①将测试步骤抽象为有向图模型,简化测试用例数据;②采用遗传算法求解有向图可达路径,替代人工生成测试路径;③采用LightGBM模型加快遗传算法收敛速度,实验验证了所提出方法的有效性,满足测试覆盖准则。该模型可减少测试人员工作,加快测试速度,对提升项目质量、加快项目进度具有重要意义。

关键词： 软件测试   信息化管理系统   测试管理   软件质量管理  

摘要： 为解决传统测试管理模式存在的问题,提出一个测试工作信息化管理系统的原型方案。系统前端采用Element Plus和***技术,后端采用Java EE 8、Spring Boot、Mybitas技术,并采用MySQL数据库来存储和管理数据。所实现的系统能够统一管理测试任务和过程成果,提高测试工作的管理效率和数据统计分析效率,降低管理成本,还能够综合收集和分析测试数据,用于评估软件产品质量,还可为企业产品或项目考核提供辅助决策依据。

关键词： 软件测试   测试数据生成   遗传算法   路径覆盖   自适应随机测试  

摘要： 测试数据自动生成方法是软件测试领域研究的热点。基于遗传算法的启发式搜索算法是一种路径覆盖生成测试数据的方法。文中提出了一种基于自适应随机测试(Adaptive Random Testing,ART)算法更新种群的方法,将ART融入遗传算法,优化选择操作,动态更新种群,从而增加种群进化过程中的个体多样性,提高了收敛速度,有效地减少了陷入局部最优。实验结果显示,与传统遗传算法生成测试数据的方法相比,改进的算法明显提高了路径覆盖率,减少了种群平均进化代数。

关键词： 通用   软件化载荷产品   软件测试   全态测试   测评  

摘要： 传统以硬件形态为主的载荷产品设计方式,在开发进度、成本、可靠性保证、体积及质量等方面已无法满足批量化、迅捷化及低成本的航天任务发展需求和产品竞争.为了解决传统载荷产品的开发瓶颈,探索提出了一种面向硬件的软件化载荷产品开发及测试方法.该方法从载荷产品形态、通用架构及开发方式方面进行突破,实现了产品高度硬件软件化、集成化和通用化.在开展技术原理研究的同时,结合载荷典型应用完成了原理样机开发.与常规产品相比,这种软件化载荷产品质量、尺寸、功耗及生成效率方面均取得较大程度优化.由于软件化载荷产品实现了硬件电路软件化,具备丰富的可编程自定义测试接口,在此基础上对标软件测试标准,提出了基于软件化载荷产品的全态测试方法.该方法包括数据采集、数据与信息分析处理、供电监测及全态温度监测等,可实现载荷产品的全方位动态实时功能、性能监测,保证软件化载荷产品的可靠性.

关键词： 软件测试   故障定位   机器学习   偶然正确测试用例   特征提取  

摘要： 基于频谱的故障定位(Spectrum-Based Fault Localization,SBFL)技术已被广泛研究,可以帮助开发人员快速找到程序错误位置,以降低软件测试成本。然而,测试套件中存在一种特殊的测试用例,其执行了错误的语句但能输出符合预期的结果,这种测试用例被称为偶然正确(Coincidental Correct,CC)测试用例。CC测试用例会对SBFL技术的性能产生负面影响。为了减轻CC产生的负面影响,提升SBFL技术性能,文中提出了一种基于机器学习的CC测试用例识别方法(CC test cases Identification via Machine Learning,CCIML)。CCIML结合怀疑度公式特征和程序静态特征来识别CC测试用例,从而提高SBFL技术的故障定位精度。为了评估CCIML方法的性能,文中基于Defects4J数据集进行对比实验。实验结果表明,CCIML方法识别CC测试用例的平均召回率、准确率和F 1分数分别为63.89%,70.16%和50.64%,该结果优于对比方法。除此之外,采用清洗和重标策略处理CCIML方法识别出的CC测试用例后,最终取得的故障定位效果也优于对比方法。其中,在清洗策略和重标策略下,错误语句怀疑度值排在第一位的数量分别为328和312,相比模糊加权K近邻(Fuzzy Weighted K-Nearest Neighbor,FW-KNN)方法,定位到的故障数量分别增长了124.66%,235.48%。

关键词： 卫星地面测试   热控   自主管理软件   故障注入  

摘要： 针对卫星热控分系统设计的新状态,梳理了热控自主管理软件中多点控温功能、跟踪控温功能及热敏电阻故障处理功能的测试需求,提出了基于总线故障注入的热控自主管理软件测试方案。该方案通过将故障注入设备接入卫星数据总线的方式仿真总线遥测,验证热控自主管理软件处理结果的正确性。与现有基于热敏电阻等效器的测试方案相比,该方案能够在保证测试有效性的同时简化所需地面测试设备及电缆,提升工作效率。文章给出了测试方案步骤,可为卫星自主管理软件测试提供参考。