CN110442518B - 基于可信特征度量的软件可信性评估与改进方法 - Google Patents

基于可信特征度量的软件可信性评估与改进方法 Download PDF

Info

Publication number
CN110442518B
CN110442518B CN201910661748.9A CN201910661748A CN110442518B CN 110442518 B CN110442518 B CN 110442518B CN 201910661748 A CN201910661748 A CN 201910661748A CN 110442518 B CN110442518 B CN 110442518B
Authority
CN
China
Prior art keywords
credibility
software
attribute
contribution
sub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910661748.9A
Other languages
English (en)
Other versions
CN110442518A (zh
Inventor
漆莲芝
郭兴林
周昱瑶
张谊
颜运强
高峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
COMPUTER APPLICATION RESEARCH INST CHINA ACADEMY OF ENGINEERING PHYSICS
Original Assignee
COMPUTER APPLICATION RESEARCH INST CHINA ACADEMY OF ENGINEERING PHYSICS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by COMPUTER APPLICATION RESEARCH INST CHINA ACADEMY OF ENGINEERING PHYSICS filed Critical COMPUTER APPLICATION RESEARCH INST CHINA ACADEMY OF ENGINEERING PHYSICS
Priority to CN201910661748.9A priority Critical patent/CN110442518B/zh
Publication of CN110442518A publication Critical patent/CN110442518A/zh
Application granted granted Critical
Publication of CN110442518B publication Critical patent/CN110442518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3604—Software analysis for verifying properties of programs
    • G06F11/3608—Software analysis for verifying properties of programs using formal methods, e.g. model checking, abstract interpretation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3604—Software analysis for verifying properties of programs
    • G06F11/3616—Software analysis for verifying properties of programs using software metrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Stored Programmes (AREA)

Abstract

本发明公开了一种基于可信特征度量的软件可信性评估与改进方法，包括以下步骤：软件可信评估架构：采用层次性结构，自底向上依次为度量指标、度量元、子属性、属性、研制阶段可信性、软件可信性，其中度量指标、度量元、子属性、属性组成了软件的可信特征；基于线性加权与非线性加权的可信值集结；可信特征对软件可信性实际贡献分析；可信特征对软件可信性实际贡献与期望贡献偏差分析；可信特征对软件可信性实际贡献与理想贡献占比分析；软件可信改进分析。本发明采用层次性结构实现软件可信评估架构，获得以相同量值度量元可信度提升的软件可信改进最好效果的目标，能够为软件研制能力与生产水平的提高以及软件是否达到可信要求提供定量判断的依据。

Description

基于可信特征度量的软件可信性评估与改进方法
技术领域
本发明涉及一种软件可信性评估方法，尤其涉及一种基于可信特征度量的软件可信性评估与改进方法。
背景技术
随着信息技术发展，软件失效已成为导致系统失效的主要原因，软件可信性即软件系统的行为及其结果总是符合人们的预期，在受到干扰时仍能提供连续服务的能力已成为衡量软件系统的重要指标。软件可信性度量与评估是软件可信性研究的重要内容，属于软件产品质量评价范畴，是软件工程的一个重要组成部分。
在国防、通信等关键领域众多复杂应用需求背景推动下，软件的复杂度与规模以前所未有的速度不断发展，可信软件即可信需求得到满足的软件已成为最具价值与挑战性的软件研究的核心课题。可信需求是软件须具备的可信属性、是判断软件满足使用目标的唯一基准。
现有软件可信性评估方法主要以人为评估为主，虽为实施软件可信性评估提供了框架和战略指导，但未给出面向软件研制各阶段的基于可信需求实现的可信性度量与评估的具体方法和步骤，尤其是在完成软件可信性评估后如何改进软件以提高软件可信水平还没有具体的方法。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于可信性特征度量的软件可信性评估与改进方法。
本发明通过以下技术方案来实现上述目的：
一种基于可信特征度量的软件可信性评估与改进方法，包括以下步骤：
步骤1、软件可信评估架构：采用层次性结构，自底向上依次为度量指标、度量元、子属性、属性、研制阶段可信性、软件可信性，其中度量指标、度量元、子属性、属性组成了软件的可信特征；
步骤2、基于线性加权与非线性加权的可信值集结：同一子属性下各个度量元的可信值通过非线性加权综合模型将度量元可信值集结为子属性可信值，同一属性下各个子属性的可信值通过非线性加权综合模型将子属性可信值集结为属性可信值，同一阶段下各个属性的可信值通过非线性加权综合模型将属性可信值集结为研制阶段可信值，软件四个研制阶段的可信值通过线性加权综合法将研制阶段可信值集结为软件可信值；所述线性加权综合法的权重分配采用均值法，所述非线性加权综合法的权重分配采用层次分析法；
步骤3、可信特征对软件可信性实际贡献分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献值大小，其值越大表示可信特征对软件可信性实际贡献越大，其值越小表示可信特征对软件可信性实际贡献越小；
步骤4、可信特征对软件可信性实际贡献与期望贡献偏差分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献与期望贡献的偏差分析，其值越小表示可信特征对软件可信性实际贡献与期望贡献的偏差越大，其值越大表示可信特征对软件可信性实际贡献与期望贡献的偏差越小；
步骤5、可信特征对软件可信性实际贡献与理想贡献占比分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献与理想贡献的占比情况分析，其值越大表示该可信特征对软件的可信性贡献越接近理想值；
步骤6、软件可信改进分析：选取可信特征对软件可信性实际贡献分析、实际贡献与期望贡献偏差分析、实际贡献与理想贡献占比分析中的一种方式，确定需要改进的可信特征的优先级顺序，再结合软件可信改进分析确定单个度量元可信值提升相同的情况下，软件可信值提升从高到低的顺序，即为需要优先改进的度量元的顺序，在度量元可信值提高相同的情况下，确定软件可信水平改进效果最好的度量元。
具体地，所述步骤1中，所述度量指标分为定量与定性两种，所述定量度量指标的可信值计算公式如下所示：
Figure BDA0002138782890000031
其中，
Figure BDA0002138782890000032
为软件第h个研制阶段第i个属性中第j个子属性的第p个度量元的第q个度量指标未达到相应标准的数据，
Figure BDA0002138782890000033
为该度量指标对应可信要求的全部数据；
或者，
Figure BDA0002138782890000034
其中，
Figure BDA0002138782890000035
为软件第h个研制阶段第i个属性中第j个子属性的第p个度量元的第q个度量指标达到相应标准的数据，
Figure BDA0002138782890000036
为该度量指标对应可信要求的全部数据。
定量度量指标结果统一在[1,10]范围内。所述度量元的可信值计算公式如下所示：
Figure BDA0002138782890000041
度量元
Figure BDA0002138782890000042
指示了软件当前第h个研制阶段属性i对应子属性j的度量目标，对其多个指标值进行加权平均计算得到该度量元的可信值。
作为优选，所述步骤2中，子属性可信值非线性加权综合模型为：
Figure BDA0002138782890000043
子属性
Figure BDA0002138782890000044
表示软件当前第h个研制阶段属性i对应子属性j的可信值，m为度量元数目，
Figure BDA0002138782890000045
表示子属性j的第p个度量元的权重，满足
Figure BDA0002138782890000046
属性可信值非线性加权综合模型为：
Figure BDA0002138782890000047
Figure BDA0002138782890000048
表示软件当前第h个研制阶段属性i对应的可信值，l表示子属性数目，
Figure BDA0002138782890000049
表示属性i中子属性j的权重，满足
Figure BDA00021387828900000410
Figure BDA00021387828900000411
研制阶段可信值非线性加权综合模型为：
Figure BDA00021387828900000412
Ph表示软件当前第h个研制阶段的可信值，k为当前阶段属性数目，
Figure BDA00021387828900000413
表示当前阶段属性i权重，满足
Figure BDA0002138782890000051
软件可信值线性加权综合模型为：
Figure BDA0002138782890000052
T表示软件的可信值，P1表示需求分析阶段软件可信值，P2表示设计阶段软件可信值，P3表示编码阶段软件可信值，P4表示测试阶段软件可信值，各阶段可信值的权重均为1。
作为优选，所述步骤3中，所述可信特征中的度量元对软件可信性贡献分析模型如下：
Figure BDA0002138782890000053
θ″表示软件当前第h个研制阶段属性i对应子属性j的度量元p对软件当前研制阶段可信性Th的贡献大小，
Figure BDA0002138782890000054
为该度量元的可信值，
Figure BDA0002138782890000055
为该度量元的权重，
Figure BDA0002138782890000056
为该度量元对应子属性的权重、
Figure BDA0002138782890000057
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性贡献分析模型如下：
Figure BDA0002138782890000058
θ′表示软件当前第h个研制阶段属性i对应子属性j对软件当前研制阶段可信性Th的贡献大小，
Figure BDA0002138782890000061
为该子属性的可信值，
Figure BDA0002138782890000062
为该子属性的权重，
Figure BDA0002138782890000063
为该子属性对应属性的权重；
所述可信特征中的属性对软件可信性贡献分析模型如下：
Figure BDA0002138782890000064
θ表示软件当前第h个研制阶段属性i对软件当前研制阶段可信性Th的贡献大小，
Figure BDA0002138782890000065
为该属性的可信值，
Figure BDA0002138782890000066
为该属性的权重。
作为优选，所述步骤4中，所述可信特征中的度量元对软件可信性实际贡献与期望贡献偏差分析模型为：
Figure BDA0002138782890000067
o″表示软件当前第h个研制阶段属性i对应子属性j的度量元p实际可信值，
Figure BDA0002138782890000068
与该可信特征期望可信值
Figure BDA0002138782890000069
的偏差，
Figure BDA00021387828900000610
为该度量元的权重，
Figure BDA00021387828900000611
为该度量元对应子属性的权重，
Figure BDA00021387828900000612
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性实际贡献与期望贡献偏差分析模型：
Figure BDA0002138782890000071
o′表示软件当前第h个研制阶段属性i对应子属性j的实际可信值
Figure BDA0002138782890000072
与对该可信特征期望可信值
Figure BDA0002138782890000073
的偏差，
Figure BDA0002138782890000074
为该子属性的权重，
Figure BDA0002138782890000075
为该度量元对应子属性的权重；
所述可信特征中的属性对软件可信性实际贡献与期望贡献偏差分析模型为：
Figure BDA0002138782890000076
o表示软件当前第h个研制阶段属性i实际可信值
Figure BDA0002138782890000077
与该可信特征期望可信值
Figure BDA0002138782890000078
的偏差，
Figure BDA0002138782890000079
为该属性的权重。
作为优选，所述步骤5中，所述可信特征中的度量元对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure BDA0002138782890000081
σ″表示软件当前第h个研制阶段属性i对应子属性j的度量元p对软件可信性的实际贡献与理想贡献的占比，
Figure BDA0002138782890000082
为该度量元的可信值，
Figure BDA0002138782890000083
为该度量元的权重，
Figure BDA0002138782890000084
为该度量元对应子属性的权重、
Figure BDA0002138782890000085
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure BDA0002138782890000086
σ′表示软件当前第h个研制阶段属性i对应子属性j对软件可信性的实际贡献与理想贡献的占比，
Figure BDA0002138782890000091
为该子属性的可信值，
Figure BDA0002138782890000092
为该子属性的权重，
Figure BDA0002138782890000093
为该子属性对应属性的权重；
所述可信特征中的属性对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure BDA0002138782890000094
σ表示软件当前第h个研制阶段属性i对软件可信性的实际贡献与理想贡献的占比，
Figure BDA0002138782890000095
为该属性的可信值，
Figure BDA0002138782890000096
为该属性的权重。
作为优选，所述步骤6中，所述软件可信改进分析的模型如下：
Figure BDA0002138782890000097
T′h表示当前第h个研制阶段属性i对应子属性j的度量元p可信值提升
Figure BDA0002138782890000098
后软件可信值的提升值，
Figure BDA0002138782890000099
为该度量元的权重，
Figure BDA00021387828900000910
为该度量元对应子属性的权重、
Figure BDA00021387828900000911
为该度量元对应属性的权重，Th为当前研制阶段软件的可信值；如果度量元的可信值已达到理想值10，则无需改进。
本发明的有益效果在于：
本发明采用层次性结构实现软件可信评估架构，通过多种方法开展可信特征分析，满足从不同角度需要确定实施改进的度量元优先级顺序，通过自底向上的可信改进效果分析，获得以相同量值度量元可信度提升的软件可信改进最好效果的目标，本方法能够为软件研制能力与生产水平的提高以及软件是否达到可信要求提供定量判断的依据。
附图说明
图1是本发明实施例1所述基于可信特征度量的软件可信性评估与改进方法的流程图；
图2是本发明实施例1所述基于可信特征度量的软件可信评估与改进方法中定性度量指标的描述示意图；
图3是本发明实施例2中基于度量元对软件可信性实际贡献分析的软件可信改进分析的示意图；
图4是本发明实施例2中基于度量元对软件可信性实际贡献与期望贡献偏差分析的软件可信改进分析的示意图；
图5是本发明实施例2中基于度量元对软件可信性实际贡献与理想贡献占比分析的软件可信改进分析的示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
实施例1：
如图1和图2所示，一种基于可信特征度量的软件可信评估与改进方法，包括以下步骤：
步骤1、软件可信评估架构：采用层次性结构，自底向上依次为度量指标、度量元、子属性、属性、研制阶段可信性、软件可信性，其中度量指标、度量元、子属性、属性组成了软件的可信特征；度量指标依据被评定软件研制的任务书和可信需求等文档设计生成，使用度量指标判断软件可信需求的完成情况；所述度量指标分为定量与定性两种，所述定性度量指标的度量见图1所示的详细描述，定性度量指标分为二值度量指标与多值度量指标两种，二值度量指标采用是、否进行度量；多值度量指标采用极好、好、中等、差、极差进行度量，级别越高完成得越好。定性度量结果需统一为定量结果，所述定量度量指标的可信值计算公式如下所示：
Figure BDA0002138782890000111
其中，
Figure BDA0002138782890000112
为软件第h个研制阶段第i个属性中第j个子属性的第p个度量元的第q个度量指标未达到相应标准的数据，
Figure BDA0002138782890000113
为该度量指标对应可信要求的全部数据；
或者，
Figure BDA0002138782890000114
Figure BDA0002138782890000115
软件第h个研制阶段第i个属性中第j个子属性的第p个度量元的第q个度量指标达到相应标准的数据，
Figure BDA0002138782890000116
为该度量指标对应可信要求的全部数据。
所述度量元可信值计算公式如下：
Figure BDA0002138782890000121
度量元
Figure BDA0002138782890000122
指示了软件当前第h个研制阶段属性i对应子属性j的度量目标，对其多个指标值进行加权平均计算得到该度量元的可信值。
下述步骤2-步骤5为软件可信评估的具体步骤，软件可信评估的时机，一般在以下情况：(1)在需求分析阶段，通过确认、评审等手段，验证软件可信需求是否得到了正确的表述和记录；(2)设计阶段，通过控制流分析、数据流分析等手段，验证软件设计对可信需求的转化过程是否正确和完整，并得到正确的表述和记录；(3)编码实现阶段，通过静态分析、走查等手段验证可信需求是否得到正确实现；(4)测试阶段，通过动态测试等手段验证软件实现是否与可信需求一致，功能、性能、接口等所有方面是否满足可信要求。
软件需求分析阶段度量指标的组成：子属性的度量指标如果可以定量计算的，则其度量指标为对应子属性定义的完整率、正确率、充分率，具体定义如下：
Figure BDA0002138782890000125
Figure BDA0002138782890000123
Figure BDA0002138782890000124
对于无法量化的子属性可信要求，如易分析性中的上下级文档的追溯关系等可以采用定性度量；
定量与定性的度量指标结果均统一在[1,10]范围内。
软件设计阶段度量指标的组成：子属性的度量指标如果可以定量计算的，则其度量元为对应子属性设计完整率、正确率、充分率，具体定义如下：
Figure BDA0002138782890000131
Figure BDA0002138782890000132
Figure BDA0002138782890000133
对于无法量化的子属性可信要求，如易分析性中的上下级文档的追溯关系等可以采用定性度量；
定量与定性度量元结果均统一在[1,10]范围内。
软件编码实现阶段度量元的组成：子属性的度量元如果可以定量计算的，则其度量元为子属性实现的覆盖率，具体实现如下：
Figure BDA0002138782890000134
对于无法量化的子属性可信要求，如易分析性中的代码注释率等可以采用定性度量；
定量与定性度量元结果均统一在[1,10]范围内。
软件测试阶段度量指标的组成：子属性的度量指标为对应子属性测试完整率、测试有效率以及符合率，具体定义如下：
Figure BDA0002138782890000135
Figure BDA0002138782890000136
Figure BDA0002138782890000141
对于无法量化的子属性可信要求，如易分析性中的与上级文档的双向追踪关系等可以采用定性度量；
定量与定性度量元结果均统一在[1,10]范围内。
步骤2、基于线性加权与非线性加权的可信值集结：同一子属性下各个度量元的可信值通过非线性加权综合模型将度量元可信值集结为子属性可信值，同一属性下各个子属性的可信值通过非线性加权综合模型将子属性可信值集结为属性可信值，同一阶段下各个属性的可信值通过非线性加权综合模型将属性可信值集结为研制阶段可信值，软件四个研制阶段的可信值通过线性加权综合法将研制阶段可信值集结为软件可信值；所述线性加权综合法的权重分配采用均值法，所述非线性加权综合法的权重分配采用层次分析法。
本步骤中，子属性可信值非线性加权综合模型为：
Figure BDA0002138782890000142
子属性
Figure BDA0002138782890000143
表示软件当前第h个研制阶段属性i对应子属性j的可信值，m为度量元数目，
Figure BDA0002138782890000144
表示子属性j的第p个度量元的权重，满足
Figure BDA0002138782890000145
属性可信值非线性加权综合模型为：
Figure BDA0002138782890000146
Figure BDA0002138782890000147
表示软件当前第h个研制阶段属性i对应的可信值，l表示子属性数目，
Figure BDA0002138782890000148
表示属性i中子属性j的权重，满足
Figure BDA0002138782890000149
Figure BDA0002138782890000151
研制阶段可信值非线性加权综合模型为：
Figure BDA0002138782890000152
Ph表示软件当前第h个研制阶段的可信值，k为当前阶段属性数目，
Figure BDA0002138782890000153
表示当前阶段属性i权重，满足
Figure BDA0002138782890000154
软件可信值线性加权综合模型为：
Figure BDA0002138782890000155
T表示软件的可信值，P1表示需求分析阶段软件可信值，P2表示设计阶段软件可信值，P3表示编码阶段软件可信值，P4表示测试阶段软件可信值，各阶段可信值的权重均为1。
步骤3、可信特征对软件可信性实际贡献分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献值大小，其值越大表示可信特征对软件可信性实际贡献越大，值越小表示可信特征对软件可信性实际贡献越小；
本步骤中，所述可信特征中的度量元对软件可信性贡献分析模型如下：
Figure BDA0002138782890000156
θ″表示软件当前第h个研制阶段属性i对应子属性j的度量元p对软件当前研制阶段可信性Th的贡献大小，
Figure BDA0002138782890000161
为该度量元的可信值，
Figure BDA0002138782890000162
为该度量元的权重，
Figure BDA0002138782890000163
为该度量元对应子属性的权重、
Figure BDA0002138782890000164
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性贡献分析模型如下：
Figure BDA0002138782890000165
θ′表示软件当前第h个研制阶段属性i对应子属性j对软件当前研制阶段可信性Th的贡献大小，
Figure BDA0002138782890000166
为该子属性的可信值，
Figure BDA0002138782890000167
为该子属性的权重，
Figure BDA0002138782890000168
为该子属性对应属性的权重；
所述可信特征中的属性对软件可信性贡献分析模型如下：
Figure BDA0002138782890000169
θ表示软件当前第h个研制阶段属性i对软件当前研制阶段可信性Th的贡献大小，
Figure BDA00021387828900001610
为该属性的可信值，
Figure BDA00021387828900001611
为该属性的权重。
步骤4、可信特征对软件可信性实际贡献与期望贡献偏差分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献与期望贡献的偏差分析，其值越小表示可信特征对软件可信性实际贡献与期望贡献的偏差越大，值越大表示可信特征对软件可信性实际贡献与期望贡献的偏差越小；
本步骤中，所述可信特征中的度量元对软件可信性实际贡献与期望贡献偏差分析模型为：
Figure BDA0002138782890000171
o″表示软件当前第h个研制阶段属性i对应子属性j的度量元p实际可信值，
Figure BDA0002138782890000172
与该可信特征期望可信值
Figure BDA0002138782890000173
的偏差，
Figure BDA0002138782890000174
为该度量元的权重，
Figure BDA0002138782890000175
为该度量元对应子属性的权重，
Figure BDA0002138782890000176
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性实际贡献与期望贡献偏差分析模型：
Figure BDA0002138782890000177
o′表示软件当前第h个研制阶段属性i对应子属性j的实际可信值
Figure BDA0002138782890000178
与该可信特征期望可信值
Figure BDA0002138782890000179
的偏差，
Figure BDA00021387828900001710
为该子属性的权重，
Figure BDA00021387828900001711
为该度量元对应子属性的权重；
所述可信特征中的属性对软件可信性实际贡献与期望贡献偏差分析模型为：
Figure BDA0002138782890000181
o表示软件当前第h个研制阶段属性i实际可信值
Figure BDA0002138782890000182
与该可信特征期望可信值
Figure BDA0002138782890000183
的偏差，
Figure BDA0002138782890000184
为该属性的权重。
步骤5、可信特征对软件可信性实际贡献与理想贡献占比分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献与理想贡献的占比情况分析，其值越大表示该可信特征对软件的可信性贡献越接近理想值；
本步骤中，所述可信特征中的度量元对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure BDA0002138782890000185
σ″表示软件当前第h个研制阶段属性i对应子属性j的度量元p对软件可信性的实际贡献与理想贡献的占比，
Figure BDA0002138782890000186
为该度量元的可信值，
Figure BDA0002138782890000187
为该度量元的权重，
Figure BDA0002138782890000191
为该度量元对应子属性的权重、
Figure BDA0002138782890000192
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure BDA0002138782890000193
σ′表示软件当前第h个研制阶段属性i对应子属性j对软件可信性的实际贡献与理想贡献的占比，
Figure BDA0002138782890000194
为该子属性的可信值，
Figure BDA0002138782890000195
为该子属性的权重，
Figure BDA0002138782890000196
为该子属性对应属性的权重；
所述可信特征中的属性对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure BDA0002138782890000197
σ表示软件当前第h个研制阶段属性i对软件可信性的实际贡献与理想贡献的占比，
Figure BDA0002138782890000198
为该属性的可信值，
Figure BDA0002138782890000199
为该属性的权重。
步骤6、软件可信改进分析：选取可信特征对软件可信性实际贡献分析、实际贡献与期望贡献偏差分析、实际贡献与理想贡献占比分析中的一种方式，确定需要改进的可信特征的优先级顺序，再结合软件可信改进分析确定单个度量元可信值提升相同的情况下，软件可信值提升从高到低的顺序，即为需要优先改进的度量元的顺序，在度量元可信值提高相同的情况下，确定软件可信水平改进效果最好的度量元；
步骤6中，所述软件可信改进分析的模型如下：
Figure BDA0002138782890000201
T′h表示当前第h个研制阶段属性i对应子属性j的度量元p可信值提升
Figure BDA0002138782890000202
后软件可信值的提升值，
Figure BDA0002138782890000203
为该度量元的权重，
Figure BDA0002138782890000204
为该度量元对应子属性的权重、
Figure BDA0002138782890000205
为该度量元对应属性的权重，Th为当前研制阶段软件的可信值；如果度量元的可信值已达到理想值10，则无需改进。
下面以某软件在测试阶段开展的软件可信评估实施例即实施例2来验证本发明的效果。
实施例2：
对下表所示实时测控软件在测试阶段进行软件可信评估：
Figure BDA0002138782890000206
Figure BDA0002138782890000211
Figure BDA0002138782890000221
Figure BDA0002138782890000231
如图3所示，采用上述度量元对软件可信性实际贡献分析模型，对该软件开展可信分析与可信改进分析。201是该软件未达到理想值的度量元对软件可信性的实际贡献，202是选取贡献最小的五个度量元开展可信改进分析，203表示在单个度量元可信性提升相同值0.1的情况下，拟实施改进的这五个度量元改进的优先级顺序为强度符合性测试有效、处理及时性测试完整、强度符合性测试完整、错误处理规则测试完整和计算准确性测试完整。
如图4所示，采用上述度量元对软件可信实际贡献与期望贡献偏差分析模型，对该软件开展可信分析与可信改进分析的一个实例。301是该软件未达到理想值的度量元对软件可信性的实际贡献与期望贡献的偏差，302是选取偏差最大的五个度量元开展可信改进分析，303表示在单个度量元可信性提升相同值0.1的情况下，拟实施改进的这五个度量元改进的优先级顺序为防危性符合、处理及时性符合、错误规则符合、强度符合性要求符合、强度符合性测试有效。
如图5所示，采用上述度量元对软件可信实际贡献与理想贡献占比分析模型，对该软件开展可信分析与可信改进分析的一个实例。401是该软件未达到理想值的度量元对软件可信性的实际贡献与理想贡献的占比，402是选取占比最小的五个度量元开展可信改进分析，403表示在单个度量元可信性提升相同值0.1的情况下，拟实施改进的这五个度量元改进的优先级顺序为防危性符合、处理及时性符合、错误规则符合、强度符合性要求符合、计算准确性符合。
上述实施例只是本发明的较佳实施例，并不是对本发明技术方案的限制，只要是不经过创造性劳动即可在上述实施例的基础上实现的技术方案，均应视为落入本发明专利的权利保护范围内。

Claims (8)

1.一种基于可信特征度量的软件可信性评估与改进方法，其特征在于：包括以下步骤：
步骤1、软件可信评估架构：采用层次性结构，自底向上依次为度量指标、度量元、子属性、属性、研制阶段可信性、软件可信性，其中度量指标、度量元、子属性、属性组成了软件的可信特征；
步骤2、基于线性加权与非线性加权的可信值集结：同一子属性下各个度量元的可信值通过非线性加权综合模型将度量元可信值集结为子属性可信值，同一属性下各个子属性的可信值通过非线性加权综合模型将子属性可信值集结为属性可信值，同一阶段下各个属性的可信值通过非线性加权综合模型将属性可信值集结为研制阶段可信值，软件四个研制阶段的可信值通过线性加权综合法将研制阶段可信值集结为软件可信值；所述线性加权综合法的权重分配采用均值法，所述非线性加权综合法的权重分配采用层次分析法；
步骤3、可信特征对软件可信性实际贡献分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献值大小，其值越大表示可信特征对软件可信性实际贡献越大，其值越小表示可信特征对软件可信性实际贡献越小；
步骤4、可信特征对软件可信性实际贡献与期望贡献偏差分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献与期望贡献的偏差分析，其值越小表示可信特征对软件可信性实际贡献与期望贡献的偏差越大，其值越大表示可信特征对软件可信性实际贡献与期望贡献的偏差越小；
步骤5、可信特征对软件可信性实际贡献与理想贡献占比分析：分析软件研制阶段基于非线性加权综合法的度量元、子属性、属性对该阶段软件可信性的实际贡献与理想贡献的占比情况分析，其值越大表示该可信特征对软件的可信性贡献越接近理想值；
步骤6、软件可信改进分析：选取可信特征对软件可信性实际贡献分析、实际贡献与期望贡献偏差分析、实际贡献与理想贡献占比分析中的一种方式，确定需要改进的可信特征的优先级顺序，再结合软件可信改进分析确定单个度量元可信值提升相同的情况下，软件可信值提升从高到低的顺序，即为需要优先改进的度量元的顺序，在度量元可信值提高相同的情况下，确定软件可信水平改进效果最好的度量元。
2.根据权利要求1所述的基于可信特征度量的软件可信评估与改进方法，其特征在于：所述步骤1中，所述度量指标分为定量与定性两种，所述定量度量指标的可信值计算公式如下所示：
Figure FDA0002138782880000021
其中，
Figure FDA0002138782880000022
为软件第h个研制阶段第i个属性中第j个子属性的第p个度量元的第q个度量指标未达到相应标准的数据，
Figure FDA0002138782880000023
为该度量指标对应可信要求的全部数据；
或者，
Figure FDA0002138782880000024
其中，
Figure FDA0002138782880000025
为软件第h个研制阶段第i个属性中第j个子属性的第p个度量元的第q个度量指标达到相应标准的数据，
Figure FDA0002138782880000031
为该度量指标对应可信要求的全部数据；
定量度量指标结果统一在[1,10]范围内。
3.根据权利要求1所述的基于可信特征度量的软件可信评估与改进方法，其特征在于：所述步骤1中，所述度量元的可信值计算公式如下所示：
Figure FDA0002138782880000032
度量元
Figure FDA0002138782880000033
表示软件当前第h个研制阶段属性i对应子属性j的度量目标，对其多个指标值进行加权平均计算得到该度量元的可信值。
4.根据权利要求1所述的基于可信特征度量的软件可信评估与改进方法，其特征在于：所述步骤2中，子属性可信值非线性加权综合模型为：
Figure FDA0002138782880000034
子属性
Figure FDA0002138782880000035
表示软件当前第h个研制阶段属性i对应子属性j的可信值，m为度量元数目，
Figure FDA0002138782880000036
表示子属性j的第p个度量元的权重，满足
Figure FDA0002138782880000037
属性可信值非线性加权综合模型为：
Figure FDA0002138782880000038
Figure FDA0002138782880000039
表示软件当前第h个研制阶段属性i对应的可信值，l表示子属性数目，
Figure FDA0002138782880000041
表示属性i中子属性j的权重，满足
Figure FDA0002138782880000042
Figure FDA0002138782880000043
研制阶段可信值非线性加权综合模型为：
Figure FDA0002138782880000044
Ph表示软件当前第h个研制阶段的可信值，k为当前阶段属性数目，
Figure FDA0002138782880000045
表示当前阶段属性i权重，满足
Figure FDA0002138782880000046
软件可信值线性加权综合模型为：
Figure FDA0002138782880000047
T表示软件的可信值，P1表示需求分析阶段软件可信值，P2表示设计阶段软件可信值，P3表示编码阶段软件可信值，P4表示测试阶段软件可信值，各阶段可信值的权重均为1。
5.根据权利要求1所述的基于可信特征度量的软件可信评估与改进方法，其特征在于：所述步骤3中，
所述可信特征中的度量元对软件可信性贡献分析模型如下：
Figure FDA0002138782880000048
θ″表示软件当前第h个研制阶段属性i对应子属性j的度量元p对软件当前研制阶段可信性Th的贡献大小，
Figure FDA0002138782880000051
为该度量元的可信值，
Figure FDA0002138782880000052
为该度量元的权重，
Figure FDA0002138782880000053
为该度量元对应子属性的权重、
Figure FDA0002138782880000054
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性贡献分析模型如下：
Figure FDA0002138782880000055
θ′表示软件当前第h个研制阶段属性i对应子属性j对软件当前研制阶段可信性Th的贡献大小，
Figure FDA0002138782880000056
为该子属性的可信值，
Figure FDA0002138782880000057
为该子属性的权重，
Figure FDA0002138782880000058
为该子属性对应属性的权重；
所述可信特征中的属性对软件可信性贡献分析模型如下：
Figure FDA0002138782880000059
θ表示软件当前第h个研制阶段属性i对软件当前研制阶段可信性Th的贡献大小，
Figure FDA00021387828800000510
为该属性的可信值，
Figure FDA00021387828800000511
为该属性的权重。
6.根据权利要求1所述的基于可信特征度量的软件可信评估与改进方法，其特征在于：所述步骤4中，所述可信特征中的度量元对软件可信性实际贡献与期望贡献偏差分析模型为：
Figure FDA0002138782880000061
o″表示软件当前第h个研制阶段属性i对应子属性j的度量元p实际可信值
Figure FDA0002138782880000062
与该可信特征期望可信值
Figure FDA0002138782880000063
的偏差，
Figure FDA0002138782880000064
为该度量元的权重，
Figure FDA0002138782880000065
为该度量元对应子属性的权重，
Figure FDA0002138782880000066
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性实际贡献与期望贡献偏差分析模型：
Figure FDA0002138782880000067
o′表示软件当前第h个研制阶段属性i对应子属性j的实际可信值
Figure FDA0002138782880000068
与该可信特征期望可信值
Figure FDA0002138782880000069
的偏差，
Figure FDA00021387828800000610
为该子属性的权重，
Figure FDA00021387828800000611
为该度量元对应子属性的权重；
所述可信特征中的属性对软件可信性实际贡献与期望贡献偏差分析模型为：
Figure FDA0002138782880000071
o表示软件当前第h个研制阶段属性i实际可信值
Figure FDA0002138782880000072
与该可信特征期望可信值
Figure FDA0002138782880000073
的偏差，
Figure FDA0002138782880000074
为该属性的权重。
7.根据权利要求1所述的基于可信特征度量的软件可信评估与改进方法，其特征在于：所述步骤5中，所述可信特征中的度量元对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure FDA0002138782880000075
σ″表示软件当前第h个研制阶段属性i对应子属性j的度量元p对软件可信性的实际贡献与理想贡献的占比，
Figure FDA0002138782880000076
为该度量元的可信值，
Figure FDA0002138782880000077
为该度量元的权重，
Figure FDA0002138782880000078
为该度量元对应子属性的权重、
Figure FDA0002138782880000079
为该度量元对应属性的权重；
所述可信特征中的子属性对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure FDA0002138782880000081
σ′表示软件当前第h个研制阶段属性i对应子属性j对软件可信性的实际贡献与理想贡献的占比，
Figure FDA0002138782880000082
为该子属性的可信值，
Figure FDA0002138782880000083
为该子属性的权重，
Figure FDA0002138782880000084
为该子属性对应属性的权重；
所述可信特征中的属性对软件可信性实际贡献与理想贡献占比分析模型如下：
Figure FDA0002138782880000085
σ表示软件当前第h个研制阶段属性i对软件可信性的实际贡献与理想贡献的占比，
Figure FDA0002138782880000086
为该属性的可信值，
Figure FDA0002138782880000087
为该属性的权重。
8.根据权利要求1所述的基于可信特征度量的软件可信评估与改进方法，其特征在于：所述步骤6中，所述软件可信改进分析的模型如下：
Figure FDA0002138782880000088
T′h表示当前第h个研制阶段属性i对应子属性j的度量元p可信值提升
Figure FDA0002138782880000091
后软件可信值的提升值，
Figure FDA0002138782880000092
为该度量元的权重，
Figure FDA0002138782880000093
为该度量元对应子属性的权重、
Figure FDA0002138782880000094
为该度量元对应属性的权重，Th为当前研制阶段软件的可信值；如果度量元的可信值已达到理想值10，则无需改进。
CN201910661748.9A 2019-07-22 2019-07-22 基于可信特征度量的软件可信性评估与改进方法 Active CN110442518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910661748.9A CN110442518B (zh) 2019-07-22 2019-07-22 基于可信特征度量的软件可信性评估与改进方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910661748.9A CN110442518B (zh) 2019-07-22 2019-07-22 基于可信特征度量的软件可信性评估与改进方法

Publications (2)

Publication Number Publication Date
CN110442518A CN110442518A (zh) 2019-11-12
CN110442518B true CN110442518B (zh) 2022-11-11

Family

ID=68430811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910661748.9A Active CN110442518B (zh) 2019-07-22 2019-07-22 基于可信特征度量的软件可信性评估与改进方法

Country Status (1)

Country Link
CN (1) CN110442518B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101377739A (zh) * 2007-08-31 2009-03-04 兰雨晴 基础软件平台的质量评估方法
CN104461896A (zh) * 2014-12-18 2015-03-25 北京轩宇信息技术有限公司 基于可信属性的航天系统关键软件评价方法
CN104881609A (zh) * 2015-05-29 2015-09-02 中国石油大学(华东) 一种复杂软件系统软件单元可信性评估方法
CN107038111A (zh) * 2016-02-04 2017-08-11 华东师范大学 一种软件可信性量化评估与设计方法
CN107423911A (zh) * 2017-08-02 2017-12-01 中国科学院上海高等研究院 软件成功度评价方法/系统、计算机可读存储介质及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101377739A (zh) * 2007-08-31 2009-03-04 兰雨晴 基础软件平台的质量评估方法
CN104461896A (zh) * 2014-12-18 2015-03-25 北京轩宇信息技术有限公司 基于可信属性的航天系统关键软件评价方法
CN104881609A (zh) * 2015-05-29 2015-09-02 中国石油大学(华东) 一种复杂软件系统软件单元可信性评估方法
CN107038111A (zh) * 2016-02-04 2017-08-11 华东师范大学 一种软件可信性量化评估与设计方法
CN107423911A (zh) * 2017-08-02 2017-12-01 中国科学院上海高等研究院 软件成功度评价方法/系统、计算机可读存储介质及设备

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
"可信软件基础研究"重大研究计划综述;刘克等;《中国科学基金》;20080331;全文 *
Systematic analyses and comparison of development performance;Ayca Tarhan等;《Information and Software Technology》;20131231;全文 *
基于属性质量库的软件可信性评估方法;张鼎周;《电子质量》;20160820(第08期);全文 *
基于软件质量模型构建软件可信性评估系统;石莉等;《淮北师范大学学报(自然科学版)》;20141210(第04期);全文 *
航天嵌入式软件可信性度量方法及应用研究;王婧等;《中国科学:技术科学》;20150220(第02期);全文 *
软件可信度量评估系统的设计与实现;孙飞虎;《硅谷》;20080623(第12期);全文 *

Also Published As

Publication number Publication date
CN110442518A (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
CN107454105B (zh) 一种基于ahp与灰色关联的多维网络安全评估方法
CN109783879B (zh) 一种雷达辐射源信号识别效能评估方法及系统
CN110502277B (zh) 一种基于bp神经网络的代码坏味检测方法
CN107679734A (zh) 一种用于无标签数据分类预测的方法和系统
CN103559303A (zh) 一种对数据挖掘算法的评估与选择方法
CN109165807A (zh) 一种基于概率神经网络的电能质量综合评估方法
CN107249000A (zh) 一种移动用户异常行为检测方法
CN111343147A (zh) 一种基于深度学习的网络攻击检测装置及方法
CN113176998A (zh) 基于源选择的跨项目软件缺陷预测方法
CN114676749A (zh) 一种基于数据挖掘的配电网运行数据异常判定方法
Gong et al. Profile clustering in clinical trials with longitudinal and functional data methods
CN110442518B (zh) 基于可信特征度量的软件可信性评估与改进方法
CN111863135B (zh) 一种假阳性结构变异过滤方法、存储介质及计算设备
CN112926016A (zh) 一种多变量时间序列变化点检测方法
CN117370835A (zh) 一种基于动态图模型的引用目的分析方法
CN109543712B (zh) 时态数据集上的实体识别方法
Zou et al. A novel rigorous measurement model for big data quality characteristics
CN109886288A (zh) 一种用于电力变压器的状态评价方法及装置
Choi et al. Regularized boxplot via convex clustering
CN113361624A (zh) 一种基于机器学习的传感数据质量评估方法
CN113792141A (zh) 基于协方差度量因子的特征选择方法
CN109036390A (zh) 一种基于集成梯度提升机的广播关键字识别方法
CN112488438A (zh) 一种结合信用信息的工业企业综合效益评价方法及系统
CN104156418A (zh) 一种基于知识重用的演化聚类方法
CN114462901B (zh) 有源配电网电能质量评价方法、装置、终端及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant