公开(公告)号：CN103970654B

公开(公告)日：2017-01-25

申请号：CN201410182032.8

申请日：2014-04-30

Applicant: 北京航空航天大学

Inventor： 艾骏 ,  尚京威 ,  陆民燕 ,  裴翰宇 ,  黄麟植

IPC: G06F11/36

Abstract: 本发明提供了一种软件可靠性虚拟测试方法，应用于软件可靠性试验领域。本发明包括：建立测试输入空间；建立失效输入空间；对测试输入空间进行随机抽样生成测试输入向量；计算测试输入向量与失效输入空间的匹配度；根据计算的匹配度与设定的置信度进行比较断软件是否失效；根据失效的各输入变量的累计执行次数和对应的实际执行时间确定失效间隔时间。进行匹配度计算时包括输入变量值的匹配和输入变量间输入关系的匹配。本发明能够为软件全生命周期中的失效数据获得在软件可靠性测试中可能的失效时间，大大减少了测试人员的工作量和测试时间，为软件可靠性评估提供数据基础。

公开(公告)号：CN103970654A

公开(公告)日：2014-08-06

申请号：CN201410182032.8

申请日：2014-04-30

Applicant: 北京航空航天大学

Inventor： 艾骏 ,  尚京威 ,  陆民燕 ,  裴翰宇 ,  黄麟植

IPC: G06F11/36

Abstract: 本发明提供了一种软件可靠性虚拟测试方法，应用于软件可靠性试验领域。本发明包括：建立测试输入空间；建立失效输入空间；对测试输入空间进行随机抽样生成测试输入向量；计算测试输入向量与失效输入空间的匹配度；根据计算的匹配度与设定的置信度进行比较断软件是否失效；根据失效的各输入变量的累计执行次数和对应的实际执行时间确定失效间隔时间。进行匹配度计算时包括输入变量值的匹配和输入变量间输入关系的匹配。本发明能够为软件全生命周期中的失效数据获得在软件可靠性测试中可能的失效时间，大大减少了测试人员的工作量和测试时间，为软件可靠性评估提供数据基础。

公开(公告)号：CN116954969A

公开(公告)日：2023-10-27

申请号：CN202310817416.1

申请日：2023-07-05

Applicant: 北京航空航天大学

Inventor： 殷蓓蓓 ,  李玥辰 ,  裴翰宇 ,  黄麟植 ,  蔡开元

IPC: G06F11/07 ,  G06F11/36 ,  G06N10/20 ,  G06N10/60

Abstract: 本发明公开一种基于酉运算的量子程序自动修复方法：包括：1)、将量子程序视为黑盒模型并对其进行建模，建立初态、末态以及演化过程之间合理的方程，对演化算子进行初步求解；2)、定义前置修复和后置修复两种修复模式，并建立合理的数学关系；3)、采用由足够充分的正交基的测试用例集，以输出和期望概率分布的K‑L散度作为评判基准作为测试预言；4)、根据测试结果对演化算子进行修正和进一步估计，并对等价的估计算子进行约简；5)、计算候选的补丁，并对非酉的补丁就行酉化修正。本发明首次提出针对量子程序的自动修复方法，通过利用量子的特性，能够实现低定位需求、多缺陷修复、全自动的过程，旨在降低量子程序修复成本的同时提高其质量。

公开(公告)号：CN104699611A

公开(公告)日：2015-06-10

申请号：CN201510119596.1

申请日：2015-03-18

Applicant: 北京航空航天大学

Inventor： 艾骏 ,  裴翰宇 ,  黄麟植 ,  刘洋 ,  张少雄 ,  杨雨薇

IPC: G06F11/36

Abstract: 本发明是一种基于开源软件缺陷代码修改模式的缺陷信息提取方法，用于提取开源软件演化过程中的缺陷信息。本方法分析开源软件在演化过程中的缺陷信息，特别是代码的变更情况，总结归纳出缺陷代码修改模式；获取待测开源软件演化过程的变更代码信息，将变更代码信息与缺陷代码修改模式进行对比；根据变更代码信息与缺陷代码修改模式的匹配度来确定其是否包含缺陷信息，并提取出缺陷代码。本发明能够从开源软件演化信息中提取大量的缺陷代码样例，为软件缺陷的分析提供了可用的数据支持。

公开(公告)号：CN118535452A

公开(公告)日：2024-08-23

申请号：CN202410455121.9

申请日：2024-04-16

Applicant: 北京航空航天大学

Inventor： 殷蓓蓓 ,  黄麟植 ,  裴翰宇 ,  李玥辰 ,  蔡开元

IPC: G06F11/36 ,  G06N10/20 ,  G06N3/084

Abstract: 本发明公开一种基于距离和增量学习模型的量子程序测试方法，包括：1)在测试空间中构造候选集。2)基于候选测试用例与执行集的距离信息计算每个候选测试用例的适应度。3)根据测试预期多次执行测试用例，根据测试输出分布与预期比较判定测试结果将其放入已执行集。4)重复步骤1‑3，直至达到增量学习启动条件。5)采用基于随机梯度下降的增量学习模型对已执行集进行训练，形成缺陷分类器。6)在测试空间中生成候选集，根据距离和增量学习预测结果计算每个候选测试用例的置信度。7)选择置信度最高的候选测试用例执行，记录测试结果，并将其加入已执行集。8)当测试间隔达到增量学习学习间隔时，更新增量学习模型。9)重复步骤6‑8，直至达到测试停止条件。

公开(公告)号：CN104699611B

公开(公告)日：2017-07-28

申请号：CN201510119596.1

申请日：2015-03-18

Applicant: 北京航空航天大学

Inventor： 艾骏 ,  裴翰宇 ,  黄麟植 ,  刘洋 ,  张少雄 ,  杨雨薇

IPC: G06F11/36

Abstract: 本发明是一种基于开源软件缺陷代码修改模式的缺陷信息提取方法，用于提取开源软件演化过程中的缺陷信息。本方法分析开源软件在演化过程中的缺陷信息，特别是代码的变更情况，总结归纳出缺陷代码修改模式；获取待测开源软件演化过程的变更代码信息，将变更代码信息与缺陷代码修改模式进行对比；根据变更代码信息与缺陷代码修改模式的匹配度来确定其是否包含缺陷信息，并提取出缺陷代码。本发明能够从开源软件演化信息中提取大量的缺陷代码样例，为软件缺陷的分析提供了可用的数据支持。