数据驱动的软件缺陷预测研究综述

数据驱动的软件缺陷预测是提高软件测试效率、保证软件可靠性的重要途径之一,近几年已成为实证软件工程的研究热点.首先介绍了数据驱动软件缺陷预测的研究背景;然后总结了已有软件缺陷数据属性度量方法的特点,并按照软件开发中缺陷预测的使用场景,以数据来源为主线从基于版本内数据、跨版本数据和跨项目数据实现缺陷预测三个方面对近10年（2005~2015）已有的研究工作进行分类归纳和比较;最后对该领域未来的研究趋势进行了展望.     

UML活动图到时间Petri网的映射方法

UML被广泛应用于嵌入式实时系统等领域的建模,而嵌入式实时系统对时间响应的要求非常严格,UML缺乏对系统时间约束的描述和形式化语义。因此,提出了一种结合MARTE与UML带有时间约束的UML活动图模型,并定义相应的映射规则,将该活动图模型映射到时间Petri 网模型,最后通过实例验证了该映射方法的正确性和实用性。     

状态不可观测的信息物理融合系统运行时验证

确保信息物理融合系统（Cyber-Physical System,CPS）运行时行为正确性是至关重要的,尤其在航空航天、汽车、核电和医疗等安全攸关领域.本文针对具有随机行为且状态不可观测的CPS,提出一种基于隐马尔科夫模型的运行时安全性验证方法.首先构造状态不可观测的CPS运行时安全性验证框架,该框架通过隐马尔科夫模型表示系统,使用确定性有限自动机规约系统安全属性的否定,两者的乘积自动机作为运行时监控器,从而将CPS运行时安全性验证问题约简到监控器上的概率推断问题.然后,提出一种增量迭代安全性验证算法以及反例生成算法.实验结果表明本文算法和粒子滤波算法相比预测错误率下降了近20%,并且当系统违背安全属性时,本文的方法能给出反例.     

基于混合贝叶斯网络的混合系统安全性分析方法

安全关键系统的安全性分析模型本质上是离散和连续失效分布共存的混合模型.传统的故障树和马尔科夫链分析方法仅能处理离散分布或指数分布的系统,难以对混合系统进行安全性分析.针对该问题,以DFT系统安全模型为基础,提出一种基于混合贝叶斯网络的混合系统安全性分析新方法.首先,利用狄拉克函数和单位阶跃函数分别表示动态故障树节点间的确定性关系和时序关系,将动态故障树转换为贝叶斯网络.然后,通过分段多项式来拟合网络节点的不同失效分布,提出一种k段n次多项式混合贝叶斯网络来表示动态故障树.最后,给出该混合贝叶斯网络的推理算法.实验分析表明本方法能有效地进行混合系统安全性分析.     

一种状态事件故障树的定量分析方法

状态事件故障树是一种适合于描述复杂系统中失效因果链的建模技术,对系统失效结果的概率特性进行定量分析是获得系统安全性参数的一种重要途径.由于状态事件故障树是半形式化模型,需先精确描述其语义才能进行定量分析.为此,本文提出一种基于交互马尔可夫链的状态事件故障树定量分析方法.首先,通过将交互马尔可夫链的交互动作精化为输入和输出动作,提出接口交互马尔可夫链模型用于状态事件故障树的形式语义描述.然后,在此形式语义的基础上设计了一种状态事件故障树定量分析方法.最后给出了一个飞机起落架收放系统的状态事件故障树建模及概率特性定量分析的实例研究.     

基于贝叶斯网络的复杂系统动态故障树定量分析方法

动态故障树的贝叶斯网络分析方法存在局部组合爆炸和备件门节点失效时间仅能是指数分布的不足.首先,给出动态故障树转换为离散时间贝叶斯网络的方法,该方法使用一个确定性函数来替代条件概率表,避免了局部组合爆炸.然后,根据备件门的失效机理和对应的贝叶斯网络结构特征,解决了备件节点失效时间仅能是指数分布的限制.最后,提出一种基于动态故障树的贝叶斯网络精确推理算法,基于该算法给出了系统失效分布、组件重要度等概率计算.实验结果表明,该方法能有效地分析和评估安全攸关系统的概率特性.