一种故障检测率对软件可靠性影响分析方法、系统及应用技术方案

本发明专利技术属于软件故障数据识别技术领域，公开了一种故障检测率对软件可靠性影响分析方法、系统及应用。所述故障检测率对软件可靠性影响分析方法包括以下步骤：分析同类型的故障检测率b(t)形式，针对单SRGM单FDS多FDR模式、多SRGM多FDS多FDR模式，利用信息熵联合TOPSIS决策算法，得出软件故障检测率函数对应的SRGM模型的偏序排序；分析FDR对于SRGM模型的性能影响因素，对实际软件测试过程中选择出故障检测率以建立距离的SRGM，实现测试资源分配和最优发布时间。本发明专利技术对于软件可靠性建模中的参数模型选择、确定最优发布时间等具有较强的指导作用。导作用。导作用。

【技术实现步骤摘要】
一种故障检测率对软件可靠性影响分析方法、系统及应用


[0001]本专利技术属于软件故障数据识别
，尤其涉及一种故障检测率对软件可 靠性影响分析方法、系统及应用。

技术介绍

[0002]随着信息技术与网络的发展，计算机的应用也越来越广泛。计算机软件作为 用户使用计算机的主要载体与功能提供者，在生产生活中具有重要作用。为了满 足人们对软件期望功能的提高，软件的规模与复杂度不断提高，当软件规模逐渐 增加时，保持软件质量是软件开发与测试环节中的重要环节。软件可靠性是软件 质量中的重要因素，高质量的软件必然是高可靠的。软件可靠性增长模型SRGM 是软件可靠性分析的重要方法，同时也是当前的主流分析方法。在一般SRGM 模型中，有两大类基本参数，一是软件总故障，是软件系统中整体故障数量的抽 象，二是故障检测率，是软件测试环境下的一种测试能力的描述函数。在软件测 试过程中测试人员将不断地发现与修复故障，为了更好地掌握软件可靠性，以达 到预期(发布)要求，需要分析FDR在可靠性分析中的功用。
[0003]故障检测率刻画了测试环境、测试技术、测试资源消耗情况以及测试人员技 能的综合能力。客观上测试环境的不同，以及测试人员实施测试策略的差异，使 得不同系统工程在测试中表现出不同的外在特征。从建立数学模型的角度来看， 不同模型的区别与故障检测率FDR关联紧密。这样，FDR从整体上刻画了测试 效果，使得其成为影响SRGM性能的主要评测点。对软件可靠性建模具、软件 故障数量预测、确定最优发布时间、控制测试成本等工作具有重要意义。<br/>[0004]通过上述分析，现有技术存在的问题及缺陷为：
[0005](1)现有技术软件故障数量预测准确率低，控制测试成本高。
[0006](2)现有技术对于实际软件测试过程中由于没有选择合适的故障检测率， 使得测试资源分配不均匀以及发布时间准确度低，使得实际应用受限。

技术实现思路

[0007]为克服相关技术中存在的问题，本专利技术公开实施例提供了一种故障检测率对 软件可靠性影响分析方法。
[0008]所述技术方案如下：一种故障检测率对软件可靠性影响分析方法，应用于信 息数据处理终端，所述故障检测率对软件可靠性影响分析方法包括以下步骤：
[0009]S1，分析同类型的故障检测率b(t)形式，包括共有常量型、FDR、S型、指 数型类型的多个表达式；
[0010]S2，针对单SRGM单FDS多FDR模式、多SRGM多FDS多FDR模式， 利用信息熵联合TOPSIS决策算法，得出软件故障检测率函数对应的SRGM模 型的偏序排序；
[0011]S3，分析FDR对于SRGM模型的性能影响因素，对实际软件测试过程中选 择出故障检测率以建立距离的SRGM，实现测试资源分配和最优发布时间。
[0012]在一个实施例中，在步骤S1分析同类型的故障检测率b(t)形式中，包括以 下步骤：
[0013](1)软件失效满足NHPP过程；
[0014](2)在(t+Δt)内检测到的故障数量与当前软件中剩余的故障数量成比例；
[0015](3)软件修复过程中存在排错的不完全性和新故障引入现象；
[0016](4)根据步骤(1)
‑
(3)求解出不同故障检测率对应的SRGM模型，SRGM 模型微分方程形式为
[0017][0018]式中m(t)为故障检测函数，表示软件测试中已被检测出故障的数量；b(t)是故 障检测率函数，数值在(0,1)间；a(t)表示软件总故障数量，设定为常量，或测试 时间t的某种函数；p是故障修复概率，数值在(0,1)间，将不同的形式的函数带 入SRGM模型微分方程求解出故障检测函数；
[0019]在步骤S1分析同类型的故障检测率b(t)形式中，进一步包括：
[0020]第一步：遴选出在预定FDS上的SRGM集合，所述SRGM集合包括所得到 的从FDR视角建立的软件可靠性增长模型；
[0021]第二步：建立待观测的FDR集合，经过搜集当前分析中出现频率较高的FDR 来进行选择；
[0022]第三步：建立评测FDR以及其对SRGM可能发生影响的观测点集合。
[0023]在一个实施例中，在步骤S2中，所述单SRGM单FDS多FDR模式包括： 在确定的SRGM下，通过改变其中的FDR，将多个b(t)函数代入m(t)中用以观 测此时的SRGM性能；
[0024]将不同的FDR带入到SRGM中，通过观测得到的拟合与预测数值，并经过 EvaluateFDREffectOnSRGM—SSSFMF决策算法给出FDR偏序排序结果；
[0025]所述EvaluateFDREffectOnSRGM—SSSFMF决策算法包括：
[0026]输入：(通过大量实验)遴选出的SRGM模型m(t)和失效数据集DS、故障 检测率向量FDRSet＝[bt1,bt2,...,bt
m
]、拟合与预测权重向量W；
[0027]输出：FDR偏序集合FDRSet；
[0028](1)For each b(t)in(FDRSet){
[0029]MT[i]＝Fitting(m(t),DS,b(t))
[0030]MSE[i]＝CalculateMSE(MT[i])
[0031]R_square[i]＝CalculateR_square(MT[i])
[0032]Variation[i]＝CalculateVariation(MT[i])
[0033]RE[i]＝CalculateRE(MT[i])}
[0034](2)FDRSet＝SortFDR(MT,MSE,R_square,Variation,RE,W)//得到经决策算 法处理后的FDR偏序集合；
[0035](3)Return FDRSet；
[0036]在SSSFMF中模型拟合指标的选择，主要从拟合与预测两个方面分析，拟合 指标选取了均方误差(MSE)、可决系数(R2)与方差(Variation)，；预测指 标RE通过观测预测曲线形状与RE曲线最后5个值的绝对值平均数综合分析， 借助层次分析法(AHP)将主观性的观
测结果进行量化，最终转化为定量的性能 指标。
[0037]在一个实施例中，在步骤S2中多SRGM多FDS多FDR模式包括：
[0038]1)当面对多个确定的SRGM条件和多个FDS下，分组进行将多个b(t)函数带 入m(t)中用以观测此时的SRGM性能；
[0039]2)对于遴选出的多个SRGM和多个FDS，分为若干个组，在每一组内将不同 的FDR带入到SRGM中，通过获取综合的拟合与预测数值，得到FDR的性能综合 值；
[0040]3)对每一组均进行上述步骤1)
‑
步骤2)，得到多组不同FDR的性能综合值；
[0041]4)最后经过EvaluateFDREffectOnS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障检测率对软件可靠性影响分析方法，其特征在于，应用于信息数据处理终端，所述故障检测率对软件可靠性影响分析方法包括以下步骤：S1，分析同类型的故障检测率b(t)形式，包括共有常量型、FDR型、S型、指数型的多个表达式；S2，针对单SRGM单FDS多FDR模式、多SRGM多FDS多FDR模式，利用信息熵联合TOPSIS决策算法，得出软件故障检测率函数对应的SRGM模型的偏序排序；S3，分析FDR型表达式对于SRGM模型的性能影响因素，在实际软件测试过程中选择出故障检测率以建立距离的SRGM模型，实现测试资源分配和发布时间。2.根据权利要求1所述的故障检测率对软件可靠性影响分析方法，其特征在于，在S1中，分析同类型的故障检测率b(t)形式，具体包括以下步骤：(1)软件失效满足NHPP过程；(2)在t+Δt时间内检测到的故障数量与当前软件中剩余的故障数量成比例；(3)软件修复过程中存在排错的不完全性和新故障引入现象；(4)求解出不同故障检测率对应的SRGM模型，SRGM模型微分方程形式为：式中，m(t)为故障检测函数，表示软件测试中已被检测出故障的数量；b(t)是故障检测率函数，数值在(0,1)间；a(t)表示软件总故障数量，设定为常量或设定为测试时间t的函数；p是故障修复概率，数值在(0,1)间，将不同的形式的函数带入SRGM模型微分方程求解出故障检测函数。3.根据权利要求1所述的故障检测率对软件可靠性影响分析方法，其特征在于，在S2中，所述单SRGM单FDS多FDR模式包括：在确定的SRGM模型下，通过改变其中的FDR，将多个b(t)函数代入m(t)中，用以观测此时的SRGM模型的性能；将不同的FDR带入到SRGM模型中，通过观测得到的拟合与预测数值，并经过EvaluateFDREffectOnSRGM—SSSFMF决策算法给出FDR偏序排序结果；所述EvaluateFDREffectOnSRGM—SSSFMF决策算法包括：输入：遴选出的SRGM模型m(t)和失效数据集DS、故障检测率向量FDRSet＝[bt1,bt2,...,bt
m
]、拟合与预测权重向量W；输出：FDR偏序集合FDRSet；(1)For each b(t)in(FDRSet){MT[i]＝Fitting(m(t),DS,b(t))MSE[i]＝CalculateMSE(MT[i])R_square[i]＝CalculateR_square(MT[i])Variation[i]＝CalculateVariation(MT[i])RE[i]＝CalculateRE(MT[i])}(2)FDRSet＝SortFDR(MT,MSE,R_square,Variation,RE,W)//得到经决策算法处理后的FDR偏序集合；(3)Return FDRSet。
4.根据权利要求1所述的故障检测率对软件可靠性影响分析方法，其特征在于，在S2中，多SRGM多FDS多FDR模式包括：1)当面对多个确定的SRGM条件和多个FDS下，分组进行将多个b(t)函数带入m(t)中用以观测此时的SRGM性能；2)对于遴选出的多个SRGM和多个FDS，分为若干个组，在每一组内将不同的FDR带入到SRGM中，通过获取综合的拟合与预测数值，得到FDR的性能综合值；3)对每一组均进行上述步骤1)
‑
步骤2)，得到多组不同FDR的性能综合值；4)最后经过EvaluateFDREffectOnSRGM—MSMFMF决策算法给出全部FDR的排序结果；所述EvaluateFDREffectOnSRGM—MSMFMF决策算法包括：输入：遴选出的SRGM模型集合SRGMSet和失效数据集集合DSSet、故障检测率向量FDRSet＝[bt1,bt2,...,bt
m
]、拟合与预测权重向量W；输出：FDR偏序集合FDRSet；步骤1，For each b(t)in(FDRSet){For each m(t)in(SRGMSet){MT[j]＝Fitting(m(t),DSSet[j],b(t))MSE[j]＝CalculateMSE(MT[j])R_square[j]＝CalculateR_square(MT[j])Variation[j]＝CalculateVariation(MT[j])RE[j]＝CalculateRE(MT[j])FDRSingleValue[j]＝GetFDR(MT[j],MSE[j],R_square[j],Variation[j],RE[j],W)}//得到每个组中针对每个不同的SRGM的FDR单一性能值；FDRIntegratedValue[i]＝GetFullFDR(FDRSingleValue)}//得到每个组的FDR综合性能值；步骤2，FDRSet＝SortFDR(FDRIntegratedValue)//得到经决策算法处理后的FDR偏序集合；步骤3，Return FDRSet。5.根据权利要求3所述的故障检测率对软件可靠性影响分析方法，其特征在于，步骤(2)中SortFDR()实现对SRGM模型的排序，排序的基本算法...

【专利技术属性】
技术研发人员：张策，孙智超，江文倩，王金勇，温雅菲，刘凯卫，范苗苗，李文毓，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：