基于对抗生成网络的缺陷定位模型域数据增强方法

来源：软件学报杂志2024年第5期北京时间：

作者：张卓，雷晏，毛晓光，薛建新，常曦

单位：张卓，广州商学院 信息技术与工程学院, 广东 广州 51070011,雷晏，重庆大学 大数据与软件学院, 重庆 40133102,毛晓光，国防科技大学 计算机学院, 湖南 长沙 41007303,薛建新，上海第二工业大学 计算机与信息工程学院, 上海 20012704,常曦，上海第二工业大学 计算机与信息工程学院, 上海 20012705

摘要：缺陷定位获取并分析测试用例集的运行信息, 从而度量出各个语句为缺陷的可疑性. 测试用例集由输入域数据构建, 包含成功测试用例和失败测试用例两种类型. 由于失败测试用例在输入域分布不规律且比例很低, 失败测试用例数量往往远少于成功测试用例数量. 已有研究表明, 少量失败测试用例会导致测试用例集出现类别不平衡问题, 严重影响着缺陷定位有效性. 为了解决这个问题, 提出基于对抗生成网络的缺陷定位模型域数据增强方法. 该方法基于模型域(即缺陷定位频谱信息)而非传统输入域(即程序输入), 利用对抗生成网络合成覆盖最小可疑集合的模型域失败测试用例, 从模型域上解决类别不平衡的问题. 实验结果表明, 所提方法大幅提升了11种典型缺陷定位方法的效能.

关键词：缺陷定位;测试用例;对抗生成网络;数据增强;可疑值

基金资助：国家自然科学基金(62272072);中央高校基本科研业务费(2022CDJDX-005)