CN114546815B - 一种基于软件缺陷数和可靠性模型的软件可靠度评估方法 - Google Patents
一种基于软件缺陷数和可靠性模型的软件可靠度评估方法 Download PDFInfo
- Publication number
- CN114546815B CN114546815B CN202011335047.5A CN202011335047A CN114546815B CN 114546815 B CN114546815 B CN 114546815B CN 202011335047 A CN202011335047 A CN 202011335047A CN 114546815 B CN114546815 B CN 114546815B
- Authority
- CN
- China
- Prior art keywords
- sub
- test
- software
- data
- data field
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012360 testing method Methods 0.000 claims abstract description 169
- 238000013522 software testing Methods 0.000 claims abstract description 16
- 102100035971 Molybdopterin molybdenumtransferase Human genes 0.000 claims description 3
- 101710119577 Molybdopterin molybdenumtransferase Proteins 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 8
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
-
- 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
- G06F11/362—Software debugging
- G06F11/366—Software debugging using diagnostics
-
- 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
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Stored Programmes (AREA)
Abstract
本发明提供了一种基于软件缺陷数和可靠性模型的软件可靠度评估方法,所述方法包括:将用于软件测试的数据域E划分为m个子数据域,其中,任意两个子数据域的交集为空;获取每一个子数据域的测试粒度和用例强度;基于每一个子数据域的测试粒度和用例强度建立每一个子数据域的软件缺陷分布模型;基于每一个子数据域的软件缺陷分布模型获取每一个子数据域的软件缺陷占比;建立软件的可靠性模型;基于每一个子数据域的软件缺陷占比对可靠性模型进行修正,得到修正后的可靠性模型;基于修正后的可靠性模型获取修正后的软件的可靠度估计值。本发明能够解决现有评估方法的评估结果不够准确的技术问题。
Description
技术领域
本发明涉及软件可靠度评估技术领域,尤其涉及一种基于软件缺陷数和可靠性模型的软件可靠度评估方法。
背景技术
软件可靠度是软件在规定的时间间隔及给定的环境条件下,按设计要求成功运行程序的概率。在软件测试过程中,可通过设计测试用例,查找并报告发现软件的缺陷和错误,并通过收集和分析测试中的失效数据(测试缺陷数量),应用统计学方法定量得到软件可靠性度量结果,以此反映软件性能的优劣。
目前研究人员采用可靠性模型对软件可靠性进行定量评估,其评估过程中,将实际测试所得软件缺陷数占全部测试用例的比例值作为可靠性建模的输入。然而,实际测试所得软件缺陷数仅是基于有限时间和资源的条件下,采用有限测试用例得到的,其与软件测试的充分程度存在极大关联。同时,软件测试人员设计用例以及测试操作的能力也很大程度影响了缺陷值,测试选取的用例有可能频繁多次地反映软件的相同缺陷,也有可能无法充分体现软件缺陷,从而导致软件评估结果与实际可靠性水平存在偏差。
因此,现有的直接利用测试所得软件缺陷数进行可靠性评估的方法,不足以体现软件性能的优劣程度,其评估结果不够准确。
发明内容
本发明提供了一种基于软件缺陷数和可靠性模型的软件可靠度评估方法,能够解决现有评估方法的评估结果不够准确的技术问题。
本发明提供了一种基于软件缺陷数和可靠性模型的软件可靠度评估方法,所述方法包括:
将用于软件测试的数据域E划分为m个子数据域,其中,任意两个子数据域的交集为空;
获取每一个子数据域的测试粒度和用例强度;
基于每一个子数据域的测试粒度和用例强度建立每一个子数据域的软件缺陷分布模型;
基于每一个子数据域的软件缺陷分布模型获取每一个子数据域的软件缺陷占比;
建立软件的可靠性模型;
基于每一个子数据域的软件缺陷占比对可靠性模型进行修正,得到修正后的可靠性模型;
基于修正后的可靠性模型获取修正后的软件的可靠度估计值。
优选的,获取每一个子数据域的测试粒度和用例强度包括:
基于每一个子数据域中实际选择的测试用例数量和对应的子数据域中的软件有效代码行数获取对应的子数据域的测试粒度;
基于每一个子数据域中实际选择的测试用例数量和对应的子数据域中实际测试过程中发现的测试缺陷数获取对应的子数据域的用例强度。
优选的,通过下式获取每一个子数据域的测试粒度:
通过下式获取每一个子数据域的用例强度:
式中,αi为第i个子数据域Qi的测试粒度,为第i个子数据域Qi中实际选择的测试用例数量,为第i个子数据域Qi中的软件有效代码行数,βi为第i个子数据域Qi的用例强度,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,其中,i取1~m中的任意整数。
优选的,基于每一个子数据域的测试粒度和用例强度建立每一个子数据域的软件缺陷分布模型包括:
基于每一个子数据域的测试粒度和对应的子数据域的用例强度获取软件测试在对应的子数据域所属单元中的充分程度;
基于软件测试在每一个子数据域所属单元中的充分程度和对应的子数据域中实际测试过程中发现的测试缺陷数建立对应的子数据域的软件缺陷分布模型。
优选的,通过下式获取软件测试在每一个子数据域所属单元中的充分程度:
通过下式建立每一个子数据域的软件缺陷分布模型:
式中,为软件测试在第i个子数据域Qi所属单元中的充分程度,αi为第i个子数据域Qi的测试粒度,βi为第i个子数据域Qi的用例强度,Fi(t)为第i个子数据域的软件缺陷分布模型,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,t为测试时间。
优选的,通过下式获取每一个子数据域的软件缺陷占比:
式中,Ni(t)为第i个子数据域的软件缺陷占比,Fi(t)为第i个子数据域的软件缺陷分布模型,为第i个子数据域Qi中实际选择的测试用例数量。
优选的,建立软件的可靠性模型包括:
获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率;
基于实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率、每一个子数据域中实际选择的测试用例数量和每一个子数据域中实际测试过程中发现的测试缺陷数建立软件的可靠性模型。
优选的,获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率包括:
基于每一个子数据域中实际选择的使程序运行失效的测试用例数量和用于软件测试的数据域E中的全部测试用例数量获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率。
优选的,通过下式获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率:
通过下式建立软件的可靠性模型:
式中,为实际测试过程中第i个子数据域Qi中使程序运行失效的测试用例被选择的概率,为第i个子数据域Qi中实际选择的使程序运行失效的测试用例数量,为用于软件测试的数据域E中的全部测试用例数量,为未修正的软件的可靠度估计值,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,为第i个子数据域Qi中实际选择的测试用例数量。
优选的,通过下式得到修正后的可靠性模型:
式中,为修正后的软件的可靠度估计值,Ni(t)为第i个子数据域的软件缺陷占比,为实际测试过程中第i个子数据域Qi中使程序运行失效的测试用例被选择的概率。
应用本发明的技术方案,利用测试粒度和用例强度反映测试人员设计用例以及测试操作的能力,从而根据测试粒度和用例强度建立能够体现软件测试的充分程度的软件缺陷分布模型,并根据该软件缺陷分布模型得到软件缺陷占比,利用该软件缺陷占比对可靠性模型进行修正,以得到修正后的软件的可靠度估计值。本发明在采用有限软件测试数据的情况下提高了可靠性评估结果的准确性和合理性,合理平衡了软件性能与测试成本之间的关系,在保证软件质量的前提下,缩小了测试时间和人力等成本。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施例,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明的一种实施例提供的基于软件缺陷数和可靠性模型的软件可靠度评估方法的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1示出了根据本发明的一种实施例提供的基于软件缺陷数和可靠性模型的软件可靠度评估方法的流程图。
如图1所示,本发明提供了一种基于软件缺陷数和可靠性模型的软件可靠度评估方法,所述方法包括:
S10、将用于软件测试的数据域E划分为m个子数据域,其中,任意两个子数据域的交集为空;
S20、获取每一个子数据域的测试粒度和用例强度;
S30、基于每一个子数据域的测试粒度和用例强度建立每一个子数据域的软件缺陷分布模型;
S40、基于每一个子数据域的软件缺陷分布模型获取每一个子数据域的软件缺陷占比;
S50、建立软件的可靠性模型;
S60、基于每一个子数据域的软件缺陷占比对可靠性模型进行修正,得到修正后的可靠性模型;
S70、基于修正后的可靠性模型获取修正后的软件的可靠度估计值。
本发明利用测试粒度和用例强度反映测试人员设计用例以及测试操作的能力,从而根据测试粒度和用例强度建立能够体现软件测试的充分程度的软件缺陷分布模型,并根据该软件缺陷分布模型得到软件缺陷占比,利用该软件缺陷占比对可靠性模型进行修正,以得到修正后的软件的可靠度估计值。本发明在采用有限软件测试数据的情况下提高了可靠性评估结果的准确性和合理性,合理平衡了软件性能与测试成本之间的关系,在保证软件质量的前提下,缩小了测试时间和人力等成本。
在本发明中,用于软件测试的数据域E是全部测试用例的集合。测试用例是软件程序测试的输入条件,无穷尽的测试是绝对不可实现的,因此选择的测试用例直接决定了测试的有效性。本发明将用于软件测试的数据域E划分为m个子数据域,其中,任意两个子数据域的交集为空,该数据域E可以用下式表示:
其中,Qi∩Qj=φ,1≤i≠j≤m。
根据本发明的一种实施例,获取每一个子数据域的测试粒度和用例强度包括:
S21、基于每一个子数据域中实际选择的测试用例数量和对应的子数据域中的软件有效代码行数获取对应的子数据域的测试粒度;
S22、基于每一个子数据域中实际选择的测试用例数量和对应的子数据域中实际测试过程中发现的测试缺陷数获取对应的子数据域的用例强度。
根据本发明的一种实施例,通过下式获取每一个子数据域的测试粒度:
通过下式获取每一个子数据域的用例强度:
式中,αi为第i个子数据域Qi的测试粒度,为第i个子数据域Qi中实际选择的测试用例数量,为第i个子数据域Qi中的软件有效代码行数,βi为第i个子数据域Qi的用例强度,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,其中,i取1~m中的任意整数。
其中,测试粒度也就是平均千行代码占有的测试用例数量,用例强度也就是一个测试用例平均发现的测试缺陷数。
根据本发明的一种实施例,基于每一个子数据域的测试粒度和用例强度建立每一个子数据域的软件缺陷分布模型包括:
S31、基于每一个子数据域的测试粒度和对应的子数据域的用例强度获取软件测试在对应的子数据域所属单元中的充分程度;
S32、基于软件测试在每一个子数据域所属单元中的充分程度和对应的子数据域中实际测试过程中发现的测试缺陷数建立对应的子数据域的软件缺陷分布模型。
根据本发明的一种实施例,通过下式获取软件测试在每一个子数据域所属单元中的充分程度:
通过下式建立每一个子数据域的软件缺陷分布模型:
式中,为软件测试在第i个子数据域Qi所属单元中的充分程度,αi为第i个子数据域Qi的测试粒度,βi为第i个子数据域Qi的用例强度,Fi(t)为第i个子数据域的软件缺陷分布模型,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,t为测试时间。
根据本发明的一种实施例,通过下式获取每一个子数据域的软件缺陷占比:
式中,Ni(t)为第i个子数据域的软件缺陷占比,Fi(t)为第i个子数据域的软件缺陷分布模型,为第i个子数据域Qi中实际选择的测试用例数量。
本发明将软件测试的充分程度和实际软件的缺陷数相结合,以建立能够反映出软件测试的充分程度的软件缺陷分布模型,并根据该软件缺陷分布模型得到能够反映出软件测试的充分程度的软件缺陷占比。
根据本发明的一种实施例,建立软件的可靠性模型包括:
S51、获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率;
S52、基于实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率、每一个子数据域中实际选择的测试用例数量和每一个子数据域中实际测试过程中发现的测试缺陷数建立软件的可靠性模型。
其中,可靠性模型可以采用Nelson可靠性建模。
根据本发明的一种实施例,获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率包括:
基于每一个子数据域中实际选择的使程序运行失效的测试用例数量和用于软件测试的数据域E中的全部测试用例数量获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率。
根据本发明的一种实施例,通过下式获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率:
通过下式建立软件的可靠性模型:
式中,为实际测试过程中第i个子数据域Qi中使程序运行失效的测试用例被选择的概率,为第i个子数据域Qi中实际选择的使程序运行失效的测试用例数量,为用于软件测试的数据域E中的全部测试用例数量,为未修正的软件的可靠度估计值,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,为第i个子数据域Qi中实际选择的测试用例数量。
根据本发明的一种实施例,通过下式得到修正后的可靠性模型:
式中,为修正后的软件的可靠度估计值,Ni(t)为第i个子数据域的软件缺陷占比,为实际测试过程中第i个子数据域Qi中使程序运行失效的测试用例被选择的概率。
通过上式获取的修正后的软件的可靠度估计值与现有方法相比更加准确与合理。
为了便于描述,在这里可以使用空间相对术语,如“在……之上”、“在……上方”、“在……上表面”、“上面的”等,用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是,空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如,如果附图中的器件被倒置,则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而,示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位),并且对这里所使用的空间相对描述作出相应解释。
此外,需要说明的是,使用“第一”、“第二”等词语来限定零部件,仅仅是为了便于对相应零部件进行区别,如没有另行声明,上述词语并没有特殊含义,因此不能理解为对本发明保护范围的限制。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于软件缺陷数和可靠性模型的软件可靠度评估方法,其特征在于,所述方法包括:
将用于软件测试的数据域E划分为m个子数据域,其中,任意两个子数据域的交集为空;
获取每一个子数据域的测试粒度和用例强度;
基于每一个子数据域的测试粒度和用例强度建立每一个子数据域的软件缺陷分布模型;
基于每一个子数据域的软件缺陷分布模型获取每一个子数据域的软件缺陷占比;
建立软件的可靠性模型;
基于每一个子数据域的软件缺陷占比对可靠性模型进行修正,得到修正后的可靠性模型;
基于修正后的可靠性模型获取修正后的软件的可靠度估计值;
其中,建立软件的可靠性模型包括:
获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率;
基于实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率、每一个子数据域中实际选择的测试用例数量和每一个子数据域中实际测试过程中发现的测试缺陷数建立软件的可靠性模型。
2.根据权利要求1所述的方法,其特征在于,获取每一个子数据域的测试粒度和用例强度包括:
基于每一个子数据域中实际选择的测试用例数量和对应的子数据域中的软件有效代码行数获取对应的子数据域的测试粒度;
基于每一个子数据域中实际选择的测试用例数量和对应的子数据域中实际测试过程中发现的测试缺陷数获取对应的子数据域的用例强度。
3.根据权利要求2所述的方法,其特征在于,通过下式获取每一个子数据域的测试粒度:
通过下式获取每一个子数据域的用例强度:
式中,αi为第i个子数据域Qi的测试粒度,为第i个子数据域Qi中实际选择的测试用例数量,为第i个子数据域Qi中的软件有效代码行数,βi为第i个子数据域Qi的用例强度,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,其中,i取1~m中的任意整数。
4.根据权利要求1所述的方法,其特征在于,基于每一个子数据域的测试粒度和用例强度建立每一个子数据域的软件缺陷分布模型包括:
基于每一个子数据域的测试粒度和对应的子数据域的用例强度获取软件测试在对应的子数据域所属单元中的充分程度;
基于软件测试在每一个子数据域所属单元中的充分程度和对应的子数据域中实际测试过程中发现的测试缺陷数建立对应的子数据域的软件缺陷分布模型。
5.根据权利要求4所述的方法,其特征在于,通过下式获取软件测试在每一个子数据域所属单元中的充分程度:
通过下式建立每一个子数据域的软件缺陷分布模型:
式中,为软件测试在第i个子数据域Qi所属单元中的充分程度,αi为第i个子数据域Qi的测试粒度,βi为第i个子数据域Qi的用例强度,Fi(t)为第i个子数据域的软件缺陷分布模型,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,t为测试时间。
6.根据权利要求1所述的方法,其特征在于,通过下式获取每一个子数据域的软件缺陷占比:
式中,Ni(t)为第i个子数据域的软件缺陷占比,Fi(t)为第i个子数据域的软件缺陷分布模型,为第i个子数据域Qi中实际选择的测试用例数量。
7.根据权利要求1所述的方法,其特征在于,获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率包括:
基于每一个子数据域中实际选择的使程序运行失效的测试用例数量和用于软件测试的数据域E中的全部测试用例数量获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率。
8.根据权利要求7所述的方法,其特征在于,通过下式获取实际测试过程中每一个子数据域中使程序运行失效的测试用例被选择的概率:
通过下式建立软件的可靠性模型:
式中,为实际测试过程中第i个子数据域Qi中使程序运行失效的测试用例被选择的概率,为第i个子数据域Qi中实际选择的使程序运行失效的测试用例数量,为用于软件测试的数据域E中的全部测试用例数量,为未修正的软件的可靠度估计值,为第i个子数据域Qi中实际测试过程中发现的测试缺陷数,为第i个子数据域Qi中实际选择的测试用例数量。
9.根据权利要求1所述的方法,其特征在于,通过下式得到修正后的可靠性模型:
式中,为修正后的软件的可靠度估计值,Ni(t)为第i个子数据域的软件缺陷占比,为实际测试过程中第i个子数据域Qi中使程序运行失效的测试用例被选择的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011335047.5A CN114546815B (zh) | 2020-11-25 | 2020-11-25 | 一种基于软件缺陷数和可靠性模型的软件可靠度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011335047.5A CN114546815B (zh) | 2020-11-25 | 2020-11-25 | 一种基于软件缺陷数和可靠性模型的软件可靠度评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114546815A CN114546815A (zh) | 2022-05-27 |
CN114546815B true CN114546815B (zh) | 2024-07-09 |
Family
ID=81660478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011335047.5A Active CN114546815B (zh) | 2020-11-25 | 2020-11-25 | 一种基于软件缺陷数和可靠性模型的软件可靠度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114546815B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063375A (zh) * | 2011-01-13 | 2011-05-18 | 北京航空航天大学 | 一种基于混合测试的软件可靠性评估方法及其装置 |
CN110297765A (zh) * | 2019-05-31 | 2019-10-01 | 中国人民解放军63963部队 | 软件可靠性早期评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070226546A1 (en) * | 2005-12-22 | 2007-09-27 | Lucent Technologies Inc. | Method for determining field software reliability metrics |
-
2020
- 2020-11-25 CN CN202011335047.5A patent/CN114546815B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063375A (zh) * | 2011-01-13 | 2011-05-18 | 北京航空航天大学 | 一种基于混合测试的软件可靠性评估方法及其装置 |
CN110297765A (zh) * | 2019-05-31 | 2019-10-01 | 中国人民解放军63963部队 | 软件可靠性早期评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114546815A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413506B (zh) | 测试用例推荐方法、装置、设备及存储介质 | |
Yu et al. | Predicting fault-proneness using OO metrics. An industrial case study | |
US5500941A (en) | Optimum functional test method to determine the quality of a software system embedded in a large electronic system | |
CN110442973B (zh) | 一种车辆关键零部件的耐久度测试方法、系统及存储介质 | |
CN102880545A (zh) | 一种测试用例优先级排序动态调整方法 | |
CN105138461A (zh) | 一种应用程序的接口测试方法及装置 | |
CN107045477B (zh) | 一种可进行多维度检测的质量评估平台 | |
Jacquet et al. | Metrics validation proposals: A structured analysis | |
CN101976222B (zh) | 一种基于框架的实时嵌入式软件可测试性测量方法 | |
CN105468508A (zh) | 代码检测方法及装置 | |
CN105701013A (zh) | 基于互信息的软件缺陷数据特征选择方法 | |
Nagappan et al. | Preliminary results on using static analysis tools for software inspection | |
CN114691521A (zh) | 一种基于人工智能的软件测试平台 | |
CN117349185B (zh) | 一种基于接口强弱依赖分级的系统测试方法 | |
CN101520746A (zh) | 一种用于多种软件形态的质量评估方法及系统 | |
CN111611154A (zh) | 一种回归测试的方法、装置和设备 | |
CN114546815B (zh) | 一种基于软件缺陷数和可靠性模型的软件可靠度评估方法 | |
CN105068924A (zh) | 一种测试应用性能的方法及装置 | |
CN109947639B (zh) | Esb接口自动化测试方法 | |
CN106201888A (zh) | 智能视频叠加处理器自动测试方法及装置 | |
CN102831320A (zh) | 流域水环境有机污染物监测全过程质控指标评价方法系统 | |
Yan et al. | Revisiting the correlation between alerts and software defects: A case study on myfaces, camel, and cxf | |
CN110851344A (zh) | 基于计算公式复杂性的大数据测试方法、装置、电子设备 | |
CN113434408B (zh) | 一种基于测试预言的单元测试用例排序方法 | |
CN111639024B (zh) | 基于特征频度数据挖掘的软件质量预测方法 |
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 |