【技术实现步骤摘要】
一种软件缺陷发生情况预测方法、装置、设备及存储介质
[0001]本专利技术涉及软件测试
,尤其涉及一种软件缺陷发生情况预测方法、装置、设备及存储介质。
技术介绍
[0002]在基于DevOps循环的软件统计测试中,一种常用的方法是通过运维日志回放,从历史事件中提取知识,进而获取新一轮迭代版本中软件缺陷类型的发生概率。在这种技术背景下,可以基于事件流类型,依托类型随机场建模理论对软件缺陷发生类型及其发生概率进行预测。
[0003]首先可以考虑一个待预测的软件版本缺陷类型C(x0),取K种相互独立且完全穷尽的状态类型,也就是在发布后的任意时刻x0,有c(x0)∈{1,
…
,K}。当不存在其他信息时,可以假设C(x0)的概率质量函数是平稳的,即C(x0)的类型比例与时间节点x0无关,并且可由K个全局类型比例π1,
…
,π
K
近似。类型随机场预测和模拟所面临的一个核心问题便是在已知N个观测时刻x1,
…
,x
N
所对应的事件类型标签c(x1),
…
,c(x
N
)的前提下估计C(x0)的条件概率质量函数,这里的x1,
…
,x
N
可以是按它们与x0的时间距离升序排列的采样点时刻。所以,对于软件缺陷发生概率进行不确定性建模的任务可以表述为估计条件概率质量函数P{C(x0)|c(x1),
…
,c(x
N
)}。为了简化符号,可以 ...
【技术保护点】
【技术特征摘要】
1.一种软件缺陷发生情况预测方法,其特征在于,包括:获取目标软件的缺陷发生概率数据,所述缺陷发生概率数据包括所述目标软件在两个不同观测时刻之间的缺陷转移概率;采用预先训练好的目标软件缺陷预测模型,根据所述缺陷发生概率数据,确定所述目标软件在目标观测时刻的软件缺陷发生情况,所述软件缺陷发生情况包括所述目标软件的软件缺陷发生类型及其对应的软件缺陷发生概率。2.根据权利要求1所述的方法,其特征在于,所述目标软件缺陷预测模型为目标转移概率神经网络模型、目标神经元马尔科夫链随机场模型、目标带约束的神经网络模型模型或目标贝叶斯更新神经网络模型。3.根据权利要求2所述的方法,其特征在于,所述目标转移概率神经网络模型的构建过程包括:初始化双层转移概率神经网络,所述双层转移概率神经网络具有H个隐层节点,且内外层激活函数分别为和ψ;将缺陷发生概率数据作为输入节点,多点概率y
k
=P(k|l1l2…
l
N
)作为输出节点,N为历史观测时刻个数,k,l1,
…
l
N
∈{1,2,
…
,K},K为软件缺陷发生类型个数,ψ
h
(
·
)=ψ(
·
),得到目标转移概率神经网络模型,其中,其中,和分别表示输入层到隐层以及隐层到输出层的链接权重。4.根据权利要求2所述的方法,其特征在于,所述目标神经元马尔科夫链随机场模型的构建过程包括:构建神经元马尔科夫链随机场;将缺陷发生概率数据作为输入节点,多点概率y
k
=P(k|l1l2…
l
N
)作为输出节点,N为历史观测时刻个数,k,l1,
…
l
N
∈{1,2,
…
,K},K为软件缺陷发生类型个数,激活函数为单位函数激活函数ψ(
·
)为softmax函数,得到目标神经元马尔科夫链随机场模型
其中,ρ
j
=exp(α
0j
),j=1,2,
…
,K。5.根据权利要求2所述的方法,其特征在于,所述目标带约束的神经网络模型的构建过程包括:构建带约束的神经网络模型;将缺陷发生概率数据x=[ln(r1/r0),ln(r2/r0),
…
,ln(r
N
/r0)]作为输入节点,多点概率y
k
=P(k|l1l2…
l
N
)作为输出节点,N为历史观测时刻个数,k,l1,
…
l
N
∈{1,2,
…
,K},K为软件缺陷发生类型个数,激活函数为单位函数,激活函数ψ(
·
)为逻辑斯蒂函数,得...
【专利技术属性】
技术研发人员:黄翔,王欣,李佩刚,
申请(专利权)人:中国农业银行股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。