CN117271377A - 一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统 - Google Patents
一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统 Download PDFInfo
- Publication number
- CN117271377A CN117271377A CN202311566668.8A CN202311566668A CN117271377A CN 117271377 A CN117271377 A CN 117271377A CN 202311566668 A CN202311566668 A CN 202311566668A CN 117271377 A CN117271377 A CN 117271377A
- Authority
- CN
- China
- Prior art keywords
- software
- reliability
- failure
- stage
- test
- 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.)
- Granted
Links
- 238000012795 verification Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012360 testing method Methods 0.000 claims abstract description 67
- 238000012827 research and development Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 230000007547 defect Effects 0.000 claims description 11
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000010200 validation analysis Methods 0.000 claims 1
- 238000013398 bayesian method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 238000010998 test 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
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统，属于软件可靠性验证技术领域。本发明先在研发阶段对软件提出可靠性要求，基于该阶段产生的可靠性增长测试信息，利用软件可靠性增长模型给出软件可靠性评估值，并验证其是否达到规定的可靠性要求，从而保证进入下一阶段前的软件具有较高可靠性水平；再在软件试用阶段，基于最大后验风险制定贝叶斯验证方案，并利用用户现场使用信息验证软件可靠性。利用两阶段可靠性信息综合验证软件可靠性指标，降低对测试用例的依赖性，使验证结论具有更好的可信性。
Description
技术领域
本发明属于软件可靠性验证技术领域，更具体地，涉及一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统。
背景技术
软件可靠性验证测试是指订购方在验收软件时，为确定软件的可靠性水平是否满足合同规定的指标要求而进行的相关测试工作，通常在系统测试完成后或在鉴定验证阶段开展，对确保交付软件的质量水平有重要意义。
软件可靠性验证通常借鉴硬件可靠性验证试验的方法与标准，并结合软件研发特点制定可靠性验证方案。根据所采取的理论，验证方法可分为经典方法和贝叶斯方法两大类。其中，贝叶斯方法认为软件研发过程中产生了大量软件可靠性信息，可以综合这些先验信息和验证测试中的现场信息来制定软件可靠性验证方案。在贝叶斯方法中，先验分布的确定是核心，常见的先验分布确定方法有共轭函数法、减函数法、多层贝叶斯法等，其中共轭函数法应用简便，减函数法适用于失效率较低的安全关键软件，多层贝叶斯法适用于有专家经验的情况。
然而，现有研究在确定先验分布时大多用样本均值来估计先验分布中的参数。由于软件研发过程中经历的通常是可靠性增长测试，现有先验信息加工方法没有充分挖掘软件测试数据的增长规律，对测试数据的使用偏保守。此外，安全关键软件的任务场景复杂多变，构建的测试用例难以准确反映用户的真实使用场景，进而为安全关键软件可靠性验证带来一定挑战。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统，旨在解决安全关键软件可靠性验证存在测试周期长、测试剖面难以准确反映真实使用环境的问题。
为实现上述目的，第一方面，本发明提供了一种安全关键软件的可靠性两阶段贝叶斯验证方法，包括：
S1.研发阶段的可靠性验证：基于安全关键软件在研发阶段可靠性增长测试中产生的各次失效时刻数据，对软件可靠性增长过程建模，利用软件可靠性增长模型，估计增长测试结束时的软件失效率；判断软件失效率估计值是否满足事先规定的可靠性指标要求，若是，进入S2，否则，继续进行研发阶段软件可靠性增长测试，直至满足规定的可靠性指标要求；
S2.基于软件研发阶段可靠性增长测试结束时的失效率估计值，利用贝叶斯理论确定失效率的先验分布和后验分布，以最大程度保护用户利益为原则，得到用户可容忍最大失效次数下的软件可靠性验证期；
S3.试用阶段的可靠性验证：统计经用户现场试用产生的软件累积失效次数，所述用户现场试用具体为对安全关键软件进行持续试用，试用期间发生失效不排除软件故障、只记录失效次数，直至实际累积试用时长达到步骤S2确定的软件可靠性验证期；比较该累积失效次数是否不超过用户可容忍最大失效次数，若是，软件通过可靠性验证，否则，未通过可靠性验证；
所述基于安全关键软件在研发阶段可靠性增长测试中产生的各次失效时刻数据，对软件可靠性增长过程建模，具体如下：
S11.获取可靠性增长测试中安全关键软件次失效时刻；
S12.分别对软件可靠性增长测试过程中软件失效率、累计失效数与失效时刻的数量关系进行拟合，并求解拟合模型中的参数。
优选地，所述软件可靠性增长模型具体如下：
其中，为研发阶段可靠性增长测试至/>时刻的软件失效率函数，/>为研发阶段可靠性增长测试至/>时刻的软件累积失效次数，满足/>，/>为研发阶段可靠性增长测试至/>时刻的软件失效率函数，/>的取值范围为/>，/>为潜伏在软件中的初始缺陷总数，/>为每个缺陷的检出率。
优选地，采用极大似然估计法求解可靠性增长模型中的参数：
其中，为研发阶段可靠性增长测试期间累计发生的失效次数，/>为研发阶段可靠性增长测试中第/>次失效的时刻，/>为研发阶段可靠性增长测试中第/>次失效的时刻。
优选地，判断软件失效率估计值满足规定的可靠性指标要求的判据为：评估值不高于用户可接受的最低失效率下限。
优选地，失效率先验分布中超参数的值，通过以下方式计算：
其中，为Gamma分布超参数的估计值，/>为事件发生的次数，/>为事件发生一次的概率，下标0标志估计值，/>为安全关键软件在研发阶段可靠性增长测试结束时的失效率估计值。
优选地，在用户可容忍最大失效次数给定的情况下，使如下不等式成立的最小τ即为可靠性验证期：
其中，为Gamma分布的概率密度函数，/>为Gamma分布超参数的估计值，/>为安全关键软件在试用阶段的可靠性验证期，/>为用户可接受的最低失效率下限，/>为用户可承受最大风险。
优选地，该方法应用于舰船装备软件。
为实现上述目的，第二方面，本发明提供了一种安全关键软件可靠性的两阶段贝叶斯验证系统，包括：存储器和处理器；所述存储器，用于存储计算机执行指令；所述处理器，用于执行所述计算机执行指令，使得第一方面所述的方法被执行。
为实现上述目的，第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明提出一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统，先在研发阶段对软件提出可靠性要求，基于该阶段产生的可靠性增长测试信息，利用软件可靠性增长模型给出软件可靠性评估值，并验证其是否达到规定的可靠性要求，从而保证进入下一阶段前的软件具有较高可靠性水平；再在软件试用阶段，基于最大后验风险制定贝叶斯验证方案，并利用用户现场使用信息验证软件可靠性。利用两阶段可靠性信息综合验证软件可靠性指标，降低对测试用例的依赖性，使验证结论具有更好的可信性，方便工程实施。
附图说明
图1是本发明提供的一种安全关键软件的可靠性两阶段贝叶斯验证方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明提供了一种安全关键软件的可靠性两阶段贝叶斯验证方法，所述安全关键软件包括但不限于：舰船装备软件、核反应堆监控系统软件、飞行控制系统软件、航空电子系统软件、危重病人监护系统。该方法包括：
S1.研发阶段的可靠性验证：基于安全关键软件在研发阶段可靠性增长测试中产生的各次失效时刻数据，对软件可靠性增长过程建模，利用软件可靠性增长模型，估计增长测试结束时的软件失效率；判断软件失效率估计值是否满足事先规定的可靠性指标要求，若是，进入S2，否则，继续进行研发阶段软件可靠性增长测试，直至满足规定的可靠性指标要求。
优选地，所述基于安全关键软件在研发阶段可靠性增长测试中产生的各次失效时刻数据，对软件可靠性增长过程建模，具体如下：
S11.获取可靠性增长测试中安全关键软件次失效时刻；
S12.分别对软件可靠性增长测试过程中软件失效率、累计失效数与失效时刻的数量关系进行拟合，并求解拟合模型中的参数。
优选地，所述软件可靠性增长模型具体如下：
其中，为研发阶段可靠性增长测试至/>时刻的软件失效率函数，/>为研发阶段可靠性增长测试至/>时刻的软件累积失效次数，满足/>，/>为研发阶段可靠性增长测试至/>时刻的软件失效率函数，/>的取值范围为/>，/>为潜伏在软件中的初始缺陷总数，/>为每个缺陷的检出率。
优选地，采用极大似然估计法求解可靠性增长模型中的参数：
其中，为研发阶段可靠性增长测试期间累计发生的失效次数，/>为研发阶段可靠性增长测试中第/>次失效的时刻，/>为研发阶段可靠性增长测试中第/>次失效的时刻。
优选地，判断软件失效率估计值满足规定的可靠性指标要求的判据为：评估值不高于用户可接受的最低失效率下限。
S2.基于软件研发阶段可靠性增长测试结束时的失效率估计值，利用贝叶斯理论确定失效率的先验分布和后验分布，以最大程度保护用户利益为原则，得到用户可容忍最大失效次数下的软件可靠性验证期。
优选地，失效率先验分布中超参数的值，通过以下方式计算：
其中，为Gamma分布超参数的估计值，/>为事件发生的次数，/>为事件发生一次的概率，下标0标志估计值，/>为安全关键软件在研发阶段可靠性增长测试结束时的失效率估计值。
优选地，在用户可容忍最大失效次数给定的情况下，使如下不等式成立的最小τ即为可靠性验证期：
其中，为Gamma分布的概率密度函数，/>为Gamma分布超参数的估计值，/>为安全关键软件在试用阶段的可靠性验证期，/>为用户可接受的最低失效率下限，/>为用户可承受最大风险。
S3.试用阶段的可靠性验证：统计经用户现场试用产生的软件累积失效次，所述用户现场试用具体为对安全关键软件进行持续试用，试用期间发生失效不排除软件故障、只记录失效次数，直至实际累积试用时长达到步骤S2确定的软件可靠性验证期；比较该累积失效次数是否不超过用户可容忍最大失效次数，若是，软件通过可靠性验证，否则，未通过可靠性验证。
优选地，该方法应用于舰船装备软件。
本发明提供了一种安全关键软件可靠性的两阶段贝叶斯验证系统，包括：存储器和处理器；所述存储器，用于存储计算机执行指令；所述处理器，用于执行所述计算机执行指令，使得上述方法被执行。
实施例
随着舰船装备智能水平的不断提升，舰船装备的功能以软件实现的比例越来越大。为确保舰船装备软件的质量，不仅需要在软件研发过程中强化软件工程化管理，加强模拟实际使用环境下的软件测试力度，尽早发现软件中存在的缺陷，实现软件的可靠性增长，还需要在验证阶段对其进行可靠性验证，确保投入使用后的软件达到规定的可靠性要求。事实上，高可靠舰船装备在交付初期还需开展大量性能验证与技术状态鉴定工作。在此阶段，通过装备执掌人员对舰船装备软件的实际使用，可以更加客观的验证软件可靠性水平。
本实施例以舰船装备软件为例，说明整个安全关键软件的可靠性两阶段贝叶斯验证方法的过程。数据源自NTDS（Naval Tactical Data System，海军战术数据系统）核心模块在其开发过程中产生的失效数据，该数据集已被众多学者用于软件可靠性模型的有效性验证，详细数据如表1所示。
表1 NTDS核心模块的失效数据集
从表1可以看到：1）该软件开发共经历了四个阶段，即制造阶段、测试阶段1、用户阶段、测试阶段2；2）软件制造阶段共250天，累积排除了26个缺陷，期间，软件的失效间隔时间呈平稳变化趋势，增长趋势不明显；3）在测试阶段1，软件被累计排除了五次缺陷，最后一次缺陷排除后，软件无失效运行了135天，与前一次的9天相比，无失效运行时间取得大幅增长，之后测试终止，软件交付用户；4）交付用户后，美军对该软件设置了一个用户阶段，数据显示，用户对该软件持续操作至第258天时，软件发生了首次失效，基于该使用结果，用户做出了拒收该软件的决定；5）之后，软件被安排了第二阶段测试，测试时长849天。根据以上分析可知，软件在累积测试540天时，从研发阶段转入试用阶段。
假设某舰船装备软件的可靠性指标为，则软件可靠性的两阶段贝叶斯验证方案可按以下步骤：
Step1:研发阶段的可靠性验证。根据可靠性增长测试中记录到的软件次失效时刻/>，利用/>对增长测试过程进行拟合，其中的参数以极大似然估计法获得。评估软件在增长测试结束时的失效率/>。基于评估结果，判定软件是否交付试用，若/>高于规定的指标/>，要求研发方继续开展软件可靠性增长测试，直至≤/>，转入Step2。
Step2:制定贝叶斯验证方案。
根据，解出先验分布超参数/>的值；
计算在给定c下的可靠性验证期τ：
制定验证方案，然后将软件交付用户进入试用阶段。
Step3:试用阶段的可靠性验证。由用户对软件进行操作，记录在可靠性验证期内的软件失效次数/>。试用期结束后，基于用户现场使用数据，给出验证结论。如果/>，软件可靠性达到规定指标，通过可靠性验证，验证合格；反之，拒收软件。
本实施例先以可靠性指标为(0.01,0.01)为例，基于测试阶段1数据，对两阶段可靠性验证方案的制定与实施步骤进行演示。然后，给出其它几种可靠性指标下的两阶段验证方案，并基于表1提供的用户现场使用数据给出验证结论，从而演示本发明所提验证方案在不同情况下的表现。
当可靠性指标要求为(0.01,0.01)时，首先判断测试阶段1结束时的软件失效率是否不高于0.01，若满足要求，允许软件交付试用，并制定试用阶段的贝叶斯验证方案。由于0.009<0.01，允许软件交付试用，计算得失效率先验分布超参数的估计值，再计算给定可容忍失效次数c下的可靠性验证时长τ，制定贝叶斯验证方案，具体如表2所示：
表2可靠性指标为(0.01,0.01)的试用期可靠性验证方案
对于高可靠舰船装备软件，可采用无失效方案(350,0)，即当用户对软件连续使用达到350天，且不发生失效时，软件可通过验证。
采用相同步骤，可以制定其它可靠性指标下的两阶段验证方案，在获得现场使用数据之后，还可给出验证结论。表3列举了三种可靠性指标下的两阶段验证方案，以及基于表1现场使用数据的验证结论：
表3不同可靠性指标下两阶段无失效验证方案比较
由表3可见，当可靠性指标要求为(0.005,0.01)时，由于评估结果0.009>0.005，软件可靠性水平未达到指标要求，因此软件未进入用户试用；当可靠性指标要求为(0.01,0.01)时，由于评估结果0.009<0.01，允许软件进入用户试用，但根据现场试用情况，软件未通过可靠性验证；当可靠性指标要求为(0.02,0.01)时，0.009<0.02，允许软件进入用户试用，根据现场试用情况，软件通过了可靠性验证。
由此可见，不同的可靠性指标要求，会产生不同验证结果，且即使允许软件转入用户试用阶段，软件也不一定能通过验收。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种安全关键软件的可靠性两阶段贝叶斯验证方法，其特征在于，包括：
S1.研发阶段的可靠性验证：基于安全关键软件在研发阶段可靠性增长测试中产生的各次失效时刻数据，对软件可靠性增长过程建模，利用软件可靠性增长模型，估计增长测试结束时的软件失效率；判断软件失效率估计值是否满足事先规定的可靠性指标要求，若是，进入S2，否则，继续进行研发阶段软件可靠性增长测试，直至满足规定的可靠性指标要求；
S2.基于软件研发阶段可靠性增长测试结束时的失效率估计值，利用贝叶斯理论确定失效率的先验分布和后验分布，以最大程度保护用户利益为原则，得到用户可容忍最大失效次数下的软件可靠性验证期；
S3.试用阶段的可靠性验证：统计经用户现场试用产生的软件累积失效次数，所述用户现场试用具体为对安全关键软件进行持续试用，试用期间发生失效不排除软件故障、只记录失效次数，直至实际累积试用时长达到步骤S2确定的软件可靠性验证期；比较该累积失效次数是否不超过用户可容忍最大失效次数，若是，软件通过可靠性验证，否则，未通过可靠性验证；
所述基于安全关键软件在研发阶段可靠性增长测试中产生的各次失效时刻数据，对软件可靠性增长过程建模，具体如下：
S11.获取可靠性增长测试中安全关键软件次失效时刻；
S12.分别对软件可靠性增长测试过程中软件失效率、累计失效数与失效时刻的数量关系进行拟合，并求解拟合模型中的参数。
2.如权利要求1所述的方法，其特征在于，所述软件可靠性增长模型具体如下：
其中，为研发阶段可靠性增长测试至/>时刻的软件失效率函数，/>为研发阶段可靠性增长测试至/>时刻的软件累积失效次数，满足/>，/>为研发阶段可靠性增长测试至/>时刻的软件失效率函数，/>的取值范围为/>，/>为潜伏在软件中的初始缺陷总数，/>为每个缺陷的检出率。
3.如权利要求2所述的方法，其特征在于，采用极大似然估计法求解可靠性增长模型中的参数：
其中，为研发阶段可靠性增长测试期间累计发生的失效次数，/>为研发阶段可靠性增长测试中第/>次失效的时刻，/>为研发阶段可靠性增长测试中第/>次失效的时刻。
4.如权利要求1所述的方法，其特征在于，判断软件失效率估计值满足规定的可靠性指标要求的判据为：评估值不高于用户可接受的最低失效率下限。
5.如权利要求1所述的方法，其特征在于，失效率先验分布中超参数的值，通过以下方式计算：
其中，为Gamma分布超参数的估计值，/>为事件发生的次数，/>为事件发生一次的概率，下标0标志估计值，/>为安全关键软件在研发阶段测试结束时的失效率估计值。
6.如权利要求1所述的方法，其特征在于，在用户可容忍最大失效次数给定的情况下，使如下不等式成立的最小τ即为可靠性验证期：
其中，为Gamma分布的概率密度函数，/>为Gamma分布超参数的估计值，/>为安全关键软件在试用阶段的可靠性验证期，/>为用户可接受的最低失效率下限，/>为用户可承受最大风险。
7.如权利要求1至6任一项所述的方法，其特征在于，该方法应用于舰船装备软件。
8.一种安全关键软件可靠性的两阶段贝叶斯验证系统，其特征在于，包括：存储器和处理器；
所述存储器，用于存储计算机执行指令；
所述处理器，用于执行所述计算机执行指令，使得权利要求1至7任一项所述的方法被执行。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311566668.8A CN117271377B (zh) | 2023-11-23 | 2023-11-23 | 一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311566668.8A CN117271377B (zh) | 2023-11-23 | 2023-11-23 | 一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117271377A true CN117271377A (zh) | 2023-12-22 |
| CN117271377B CN117271377B (zh) | 2024-02-02 |
Family
ID=89218231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311566668.8A Active CN117271377B (zh) | 2023-11-23 | 2023-11-23 | 一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117271377B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117851266A (zh) * | 2024-03-05 | 2024-04-09 | 中国人民解放军海军工程大学 | 安全关键软件可靠性贝叶斯验证方法及装置 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1420344A2 (en) * | 2002-11-13 | 2004-05-19 | Imbus Ag | Method and device for prediction of the reliability of software programs |
| CN102360332A (zh) * | 2011-09-28 | 2012-02-22 | 北京航空航天大学 | 一种软件可靠性加速测试与评估方法及其计算机辅助工具 |
| US20120053983A1 (en) * | 2011-08-03 | 2012-03-01 | Sameer Vittal | Risk management system for use with service agreements |
| CN103646138A (zh) * | 2013-12-03 | 2014-03-19 | 北京航空航天大学 | 基于贝叶斯理论的定时截尾加速验收抽样试验优化设计方法 |
| CN103678101A (zh) * | 2012-09-10 | 2014-03-26 | 中国科学院软件研究所 | 高速列车网络控制系统的软件可靠性检测方法 |
| KR20170018794A (ko) * | 2015-08-10 | 2017-02-20 | 충남대학교산학협력단 | 부분 고장 데이터를 이용한 소프트웨어 신뢰도 평가모델 선택 시스템 및 방법 |
| CN106547690A (zh) * | 2016-10-20 | 2017-03-29 | 北京航空航天大学 | 基于新拟合判定标准下的软件可靠性建模方法及装置 |
| CN106776351A (zh) * | 2017-03-09 | 2017-05-31 | 浙江理工大学 | 一种基于One‑test‑at‑a‑time策略的组合测试用例优先级排序方法 |
| MX2015009076A (es) * | 2015-07-14 | 2017-08-29 | Tata Consultancy Services Ltd | Valoración de costos de garantia basada en el cálculo de un número proyectado de fallas de productos. |
| CN110414552A (zh) * | 2019-06-14 | 2019-11-05 | 中国人民解放军海军工程大学 | 一种基于多源融合的备件可靠性贝叶斯评估方法及系统 |
| US20210241156A1 (en) * | 2020-01-31 | 2021-08-05 | Royal Bank Of Canada | System and method for machine learning architecture with adaptive importance sampling with normalizing flows |
| CN114529018A (zh) * | 2022-01-14 | 2022-05-24 | 中国人民解放军海军工程大学 | 一种基于Gamma分布的舰船备件需求近似计算方法 |
| CN114819677A (zh) * | 2022-05-09 | 2022-07-29 | 中国石油大学(华东) | 一种多因素融合的井控风险动态定量评估方法及系统 |
| CN115906544A (zh) * | 2023-03-09 | 2023-04-04 | 中国人民解放军国防科技大学 | 基于可靠性增长过程的可靠性鉴定试验方法 |
| CN116307901A (zh) * | 2023-03-22 | 2023-06-23 | 中国人民解放军国防科技大学 | 基于两阶段无失效数据的产品可靠性鉴定试验方法 |
-
2023
- 2023-11-23 CN CN202311566668.8A patent/CN117271377B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1420344A2 (en) * | 2002-11-13 | 2004-05-19 | Imbus Ag | Method and device for prediction of the reliability of software programs |
| US20120053983A1 (en) * | 2011-08-03 | 2012-03-01 | Sameer Vittal | Risk management system for use with service agreements |
| CN102360332A (zh) * | 2011-09-28 | 2012-02-22 | 北京航空航天大学 | 一种软件可靠性加速测试与评估方法及其计算机辅助工具 |
| CN103678101A (zh) * | 2012-09-10 | 2014-03-26 | 中国科学院软件研究所 | 高速列车网络控制系统的软件可靠性检测方法 |
| CN103646138A (zh) * | 2013-12-03 | 2014-03-19 | 北京航空航天大学 | 基于贝叶斯理论的定时截尾加速验收抽样试验优化设计方法 |
| MX2015009076A (es) * | 2015-07-14 | 2017-08-29 | Tata Consultancy Services Ltd | Valoración de costos de garantia basada en el cálculo de un número proyectado de fallas de productos. |
| KR20170018794A (ko) * | 2015-08-10 | 2017-02-20 | 충남대학교산학협력단 | 부분 고장 데이터를 이용한 소프트웨어 신뢰도 평가모델 선택 시스템 및 방법 |
| CN106547690A (zh) * | 2016-10-20 | 2017-03-29 | 北京航空航天大学 | 基于新拟合判定标准下的软件可靠性建模方法及装置 |
| CN106776351A (zh) * | 2017-03-09 | 2017-05-31 | 浙江理工大学 | 一种基于One‑test‑at‑a‑time策略的组合测试用例优先级排序方法 |
| CN110414552A (zh) * | 2019-06-14 | 2019-11-05 | 中国人民解放军海军工程大学 | 一种基于多源融合的备件可靠性贝叶斯评估方法及系统 |
| US20210241156A1 (en) * | 2020-01-31 | 2021-08-05 | Royal Bank Of Canada | System and method for machine learning architecture with adaptive importance sampling with normalizing flows |
| CN114529018A (zh) * | 2022-01-14 | 2022-05-24 | 中国人民解放军海军工程大学 | 一种基于Gamma分布的舰船备件需求近似计算方法 |
| CN114819677A (zh) * | 2022-05-09 | 2022-07-29 | 中国石油大学(华东) | 一种多因素融合的井控风险动态定量评估方法及系统 |
| CN115906544A (zh) * | 2023-03-09 | 2023-04-04 | 中国人民解放军国防科技大学 | 基于可靠性增长过程的可靠性鉴定试验方法 |
| CN116307901A (zh) * | 2023-03-22 | 2023-06-23 | 中国人民解放军国防科技大学 | 基于两阶段无失效数据的产品可靠性鉴定试验方法 |
Non-Patent Citations (9)
| Title |
|---|
| KEVIN MCDAID: "A Split Poisson Process Model for the Occurrence of Defects and Change Requests during User Acceptance Testing", 《ADVANCED INFORMATION TECHNOLOGY IN EDUCATION》 * |
| 弋泽龙;温玉梅;林燕敏;陈伟庭;吕冠宇;: "多层缺陷关联效应对软件可靠性增长过程的影响", 计算机科学, no. 02 * |
| 张志华, 田艳梅, 郭尚峰: "指数型产品可靠性验收试验方案研究", 系统工程与电子技术, no. 04 * |
| 张点: "基于可靠性增长的可靠性鉴定试验方案", 《系统工程与电子技术》, pages 3699 - 3704 * |
| 张金;涂俊翔;陈卓宁;: "拟贝叶斯推断算法在软件可靠性模型中的应用", 计算机工程与科学, no. 05 * |
| 郭鹏;赵晓东;: "试飞试用阶段的飞机可靠性评估研究", 航空工程进展, no. 04 * |
| 马振宇;吴纬;张威;刘福胜;韩坤;: "基于改进贝叶斯方法的软件可靠性验证测试", 计算机工程与设计, no. 10 * |
| 马飒飒;费扬洁;赵守伟;: "安全关键软件防危性评测方法研究", 计算机工程与设计, no. 23, pages 8 * |
| 龙兵;张明波;: "定数截尾下Lomax分布失效率和可靠度的贝叶斯估计", 华南师范大学学报(自然科学版), no. 02 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117851266A (zh) * | 2024-03-05 | 2024-04-09 | 中国人民解放军海军工程大学 | 安全关键软件可靠性贝叶斯验证方法及装置 |
| CN117851266B (zh) * | 2024-03-05 | 2024-05-28 | 中国人民解放军海军工程大学 | 安全关键软件可靠性贝叶斯验证方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117271377B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117271377B (zh) | 一种安全关键软件可靠性的两阶段贝叶斯验证方法和系统 | |
| US7640537B2 (en) | System and method of determining software maturity using Bayesian design of experiments | |
| He et al. | A bounded statistical approach for model checking of unbounded until properties | |
| Stephanow et al. | Towards continuous security certification of software-as-a-service applications using web application testing techniques | |
| CN109240854B (zh) | 对误操作引起的更改进行数据恢复的方法及系统 | |
| GB2618947A (en) | Probabilistic safety analysis-based fire protection selection method and apparatus for cables in nuclear power plant | |
| Jawad et al. | Analyzing the impact of cyberattacks on industrial control systems using timed automata | |
| Krieg et al. | A process for the detection of design-level hardware Trojans using verification methods | |
| WO2023098410A1 (zh) | 一种核电厂纵深防御层次独立性量化评价方法及实施该方法的系统 | |
| Coolen et al. | On zero-failure testing for Bayesian high-reliability demonstration | |
| CN114971223A (zh) | 一种指数寿命型序贯试验方法、系统、设备、介质及终端 | |
| Sistla et al. | Timely monitoring of partially observable stochastic systems | |
| Reghenzani et al. | Why statistical power matters for probabilistic real-time: work-in-progress | |
| Wakefield | Application of the human cognitive reliability model and confusion matrix approach in a probabilistic risk assesmeent | |
| CN116305760B (zh) | 一种船用燃气轮机的无故障持久考核时间确定方法和系统 | |
| Jung et al. | Estimating the operator's performance time of emergency procedural tasks based on a task complexity measure | |
| Zhang et al. | Comparison of Testability Verification Test Sample Size Determination Methods Based on Binomial Distribution | |
| Qin et al. | Reliability modeling of incomplete common cause failure systems subject to two common causes | |
| Ozirkovskyy et al. | Increacement of Functional Safety of The Behavior Algorithms Of Radio Electronic Safety-Critical Systems | |
| Bäckström et al. | Two interpretations of the risk increase factor definition | |
| CN116150737B (zh) | 一种软件开发过程中一站式安全测试和管理的方法及系统 | |
| Yoon et al. | A case study of time-dependent risk informed integrated safety assessment under complex accident sequences | |
| Saeed et al. | Robust Requirements Specifications for Safety—Critical Systems | |
| Gwak et al. | Development of Post-Processing Methods for Dynamic Event Analyzer, DICE | |
| Reghenzani et al. | Work-in-Progress: Why Statistical Power matters for Probabilistic Real-Time |
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 |