軟件學(xué)報，2019年第1期，關(guān)于“軟件學(xué)科發(fā)展回顧特刊”值得一看。

“中國計算機學(xué)會”的“數(shù)字圖書館”下的期刊列表。

未知協(xié)議的逆向分析與自動化測試

• 作者：張蔚瑤、張磊、毛建瓴、許智君、張玉軍
• 刊名：計算機學(xué)報2020年第4期
• 關(guān)鍵詞：未知協(xié)議、逆向分析、特征識別、協(xié)議特征庫、多維變異、主動探測

摘要

在工業(yè)控制、軍事通信、金融信息等創(chuàng)新型網(wǎng)絡(luò)中，大量未知（私有或半私有）協(xié)議被廣泛采用. 對通信協(xié)議及其實現(xiàn)進(jìn)行嚴(yán)格的測試是確保網(wǎng)絡(luò)系統(tǒng)安全性的重要手段，現(xiàn)有測試手段與方法大多只能針對已知協(xié)議進(jìn)行，未知協(xié)議的廣泛采用對協(xié)議測試提出了挑戰(zhàn). 本文提出了針對未知協(xié)議的逆向分析與自動化測試方法，其基本思想是基于對協(xié)議流量的逆向分析，識別出協(xié)議特征，動態(tài)生成多維測試數(shù)據(jù)，自動監(jiān)控被測系統(tǒng)的運行狀態(tài)，獲得準(zhǔn)確的測試結(jié)果，為系統(tǒng)安全可靠運行提供依據(jù). 具體貢獻(xiàn)包括：（1）自動化模糊測試框架；（2）基于協(xié)議特征庫的逆向分析方法；（3）基于多維變異的測試數(shù)據(jù)生成方法；（4）基于主動探測的測試執(zhí)行與異常定位方法. 本文設(shè)計實現(xiàn)了自動化測試工具UPAFuzz，試驗結(jié)果表明，UPAFuzz 能夠基于網(wǎng)絡(luò)流量實現(xiàn)協(xié)議特征的自動識別，并自動生成海量模糊測試數(shù)據(jù)，對被測系統(tǒng)進(jìn)行測試；在生成的測試數(shù)據(jù)量達(dá)到千萬級時，UPAFuzz 的內(nèi)存占用率為現(xiàn)有模糊測試工具Boofuzz 的50%，且其耗時僅為Boofuzz 的10%，大大提升了測試執(zhí)行效率.

敏捷開發(fā)環(huán)境中的回歸測試優(yōu)化技術(shù)

• 作者：王曉琳、曾紅衛(wèi)、林瑋瑋
• 刊名：計算機學(xué)報2019年第10期
• 關(guān)鍵詞：回歸測試、測試用例優(yōu)先排序、回歸測試選擇、敏捷開發(fā)、軟件測試、軟件工程;

摘要

版本頻繁交付、功能不斷新增或修改、測試用例不斷增多是敏捷開發(fā)環(huán)境的特點.回歸測試是軟件測試的一個重要組成部分,它在敏捷開發(fā)環(huán)境中更應(yīng)基于環(huán)境特點進(jìn)行設(shè)計.但是,傳統(tǒng)的回歸測試優(yōu)化技術(shù)(測試用例優(yōu)先排序或回歸測試選擇等)各有其優(yōu)缺點,且沒有考慮敏捷開發(fā)環(huán)境對測試效率的影響.測試用例優(yōu)先排序技術(shù)利用設(shè)計規(guī)則對所有測試用例進(jìn)行排序,以提高錯誤檢測率,但測試集基數(shù)大,花費時間長.回歸測試選擇技術(shù)選擇部分測試用例執(zhí)行,減少了測試執(zhí)行時間,但存在不安全因素.為了解決這個問題,本文提出新的敏捷開發(fā)環(huán)境中的回歸測試優(yōu)化技術(shù).首先,將回歸測試拆分成兩個過程,提出在這兩個過程中的測試方法:敏捷測試用例優(yōu)先排序和敏捷回歸測試選擇.敏捷測試用例優(yōu)先排序方法基于歷史排序的思想,將需求、錯誤反饋及歷史信息三者結(jié)合,形成一個具有記憶的優(yōu)先排序技術(shù).敏捷回歸測試選擇方法結(jié)合錯誤信息和需求關(guān)聯(lián)信息進(jìn)行設(shè)計,選擇以往版本中發(fā)現(xiàn)錯誤的測試用例及與新增測試有交互的測試用例作為測試子集,既檢驗曾經(jīng)出錯的功能是否正確,又檢驗新增功能加入是否影響已交付功能的穩(wěn)定.其次,將敏捷排序和敏捷選擇方法結(jié)合,設(shè)計回歸測試優(yōu)化模型,提出優(yōu)化算法.為測試子集中的每一個測試用例設(shè)置一個失效標(biāo)簽以動態(tài)調(diào)整子集規(guī)模.最后,通過在不同規(guī)模的實驗對象上進(jìn)行實驗,分析優(yōu)化算法的有效性.實驗結(jié)果表明,與現(xiàn)有的測試排序和測試選擇及其混合方法相比,敏捷開發(fā)環(huán)境中的回歸測試優(yōu)化技術(shù)既可達(dá)到高錯誤檢測率又可減少待執(zhí)行測試用例數(shù)量同時保證較高的安全性.從統(tǒng)計分析t檢驗結(jié)果看,我們的方法在糾錯速率上優(yōu)于其它5種測試排序方法,因為t值均大于0且p值均小于0.05;從糾錯速率、效率成本百分比、運行時間縮減率及揭露錯誤百分比這4個方面的綜合指數(shù)看,本文的方法最佳.

基于歷史的云平臺故障注入測試

• 作者：馬驊、聶長海、吳化堯
• 刊名：計算機學(xué)報2019年第10期
• 關(guān)鍵詞：云平臺、故障模式、歷史故障、故障注入;

摘要

云計算是一種能夠以便利的、按需付費的方式通過網(wǎng)絡(luò)獲取計算資源并提高其可用性的模式.近年來,以云計算為基礎(chǔ)的服務(wù)平臺——云平臺逐漸成為各大企業(yè)數(shù)據(jù)存儲和業(yè)務(wù)部署的主要平臺.由于云平臺結(jié)構(gòu)復(fù)雜、服務(wù)多樣,發(fā)生故障在所難免.為了提高云平臺的可靠性,開發(fā)人員在設(shè)計云平臺時加入了容錯機制,目的是在發(fā)生故障的情況下也能保證云平臺的正常運行.但是容錯機制并不能保證云平臺完全可靠,因此我們還需要對云平臺的可靠性進(jìn)行檢驗.故障注入是檢驗云平臺可靠性的方法之一,通過人為地將故障注入正在運行的系統(tǒng)中,觀察系統(tǒng)動作并判斷系統(tǒng)的容錯機制是否正常工作.現(xiàn)有的故障注入方法側(cè)重于分析待測系統(tǒng)特征以確定故障注入點,屬于白盒或灰盒測試,對復(fù)雜的云平臺來說,這一工作無疑要耗費大量的時間.因此,我們提出一種不依賴于系統(tǒng)信息的黑盒測試方法以提高檢驗效率.本文在現(xiàn)有工作的基礎(chǔ)上做了以下幾個方面的工作:第一,我們收集了云平臺歷史宕機事故報告,并分析其中故障模式出現(xiàn)的規(guī)律.我們發(fā)現(xiàn),云平臺中發(fā)生的故障類型具有重復(fù)性,在此基礎(chǔ)上,我們提取了這些故障的特征,包括所在組件、根因、產(chǎn)生的影響、修復(fù)方法等;第二,通過對云平臺歷史宕機事故報告的分析,我們發(fā)現(xiàn)很多事故當(dāng)中的故障并不是單一出現(xiàn)的,并且多個故障之間具有關(guān)聯(lián)性、組合性,我們深入分析了多故障之間的關(guān)系以及故障之間的組合形式,在此基礎(chǔ)上,為了盡可能完全地檢測云平臺的可靠性,我們提出在故障注入過程中需要對多故障進(jìn)行組合注入;第三,在對多故障進(jìn)行組合的過程中我們發(fā)現(xiàn),由于云平臺的復(fù)雜性,故障種類的多樣性,多故障之間的組合會產(chǎn)生組合空間爆炸問題,針對這一問題,我們做了初步探究,并提出了幾種約減策略;第四,基于上述工作,我們提出了一種基于歷史的故障組合方法,并利用歷史故障數(shù)據(jù),結(jié)合基礎(chǔ)云平臺架構(gòu)進(jìn)行模擬實驗,實驗結(jié)果表明我們提出的基于歷史故障進(jìn)行故障組合注入方法是有效可行的.

基于風(fēng)險分析的回歸測試用例優(yōu)先級排序

• 作者：于海、楊月、王瑩、張偉、朱志良
• 刊名：計算機學(xué)報2019年第10期
• 關(guān)鍵詞：回歸測試、測試用例優(yōu)先級、復(fù)雜網(wǎng)絡(luò)、風(fēng)險分析、信息流、軟件測試、軟件工程;

摘要

該文利用軟件組件間信息流的傳遞過程,提出了基于風(fēng)險分析的回歸測試用例優(yōu)先級排序算法(Risk Analysis-based Test Case Prioritization,RA-TCP).該算法針對現(xiàn)有的優(yōu)先級排序技術(shù)未能有效利用測試用例所覆蓋信息的問題,在類粒度下將軟件抽象為基于信息流的類級有向網(wǎng)絡(luò)模型,然后將每個測試用例所覆蓋的類間信息傳遞關(guān)系用一組杠鈴模型表示,結(jié)合概率風(fēng)險評估方法和故障樹理論計算杠鈴模型的風(fēng)險值,最后以測試用例所覆蓋的杠鈴風(fēng)險總和作為其排序依據(jù).實驗結(jié)果表明,風(fēng)險越高的測試用例覆蓋錯誤的可能性越大,RA-TCP算法提高了具有嚴(yán)重風(fēng)險的錯誤發(fā)現(xiàn)速率,與7種排序算法對比,RA-TCP算法具有較高的錯誤檢出率及較好的穩(wěn)定性.

總結(jié)

以上是生活随笔為你收集整理的计算机学报和软件学报19~20年测试类相关论文的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。