公共文化服务平台

王微微: 作品数：14 被引量：27H指数：2; 供职机构：北京化工大学信息科学与技术学院更多>>; 发文基金：国家自然科学基金教育部“新世纪优秀人才支持计划”更多>>; 相关领域：自动化与计算机技术电子电信更多>>

合作作者

基于模板挖掘的程序自动修复方法: 2021年; 在程序修复模板挖掘的过程中,由于历史修复信息中存在噪声干扰,导致挖掘出的修复模板可用性不强,程序修复效果不佳。再者,利用修复模板对程序缺陷进行修复是程序自动修复的关键。从修复模板挖掘和程序自动修复两方面出发,提出了一种改进的程序自动修复方法APRMT(automatic program repair method based on template mining)。APRMT通过正则匹配消除历史修复信息中的噪声,提高修复模板的准确性;依据程序缺陷代码位置与类型,采用最近最相关策略搜索针对程序缺陷的修复信息,辅助修复模板对程序缺陷进行自动修复。为验证该方法的有效性,APRMT针对4个开源项目进行实验,结果表明:APRMT成功修复了26个缺陷,平均每个缺陷的修复时间为3.1 min。由此可见,APRMT能在更短时间内修复更多的程序缺陷,提升程序自动修复的效果及效率。; 韩俊璇孙伟峰赵瑞莲王微微

基于故障混叠度的模拟电路测点多目标选择: 2022年; 模拟电路可测性设计中的测试节点选择方法通常使用一个电压阈值来确定所有故障的模糊程度,但实际上不同的故障需要的电压阈值是不同的.针对电压阈值设定问题,提出了一种基于聚类的故障混叠度计算方法,用于度量故障间的模糊程度.在此基础上,设计了一种模拟电路多目标测点选择方法,用于平衡测点数和隔离的故障数量之间的关系,以在尽可能少的测点数量下获得最大的故障隔离数.首先,利用小波包变换提取模拟信号特征;然后,通过聚类计算不同故障间的混叠度;最后,以故障隔离度和测点数量为目标,采用非支配排序遗传算法(NSGA-II)搜索测点集,实现模拟电路的测点选择.实验结果表明,相较于现有的测点选择方法,该方法在测点数量尽可能少的情况下可以获得最大的故障隔离数,实现了测点的优选.; 张永超尤枫王微微赵瑞莲尚颖; 关键词：模拟电路聚类小波包变换遗传算法

基于反射特征的Android测试用例自动生成: 2022年; 随着Android应用软件数量的急速增加,Android应用质量的重要性越来越受到人们的重视.测试是高质量软件的重要保证,而测试用例生成技术是自动化测试的关键.数据显示,在Google Play中有将近88%的Android应用程序使用了反射.然而,现有的Android测试用例自动生成方法通常没有考虑反射技术的使用,无法检测出反射隐藏的恶意行为.为了进一步提高软件质量,本文提出一种新的Android测试用例生成方法,结合反射特征构造Android应用程序多粒度模型,同时对反射关系进行分析,生成能到达反射的调用路径,并利用自适应遗传算法生成覆盖反射路径的测试用例,对含反射特征的Android应用进行测试.为验证本文方法,分别从Android应用多粒度模型有效性及测试方法效率两方面对本文方法有效性进行评估.实验结果表明,本文提出的基于反射特征的Android测试用例自动生成方法对于反射的检测效果更好并且效率更高.; 闫怡梦赵瑞莲王微微尚颖; 关键词：ANDROID应用自适应遗传算法测试用例生成

语义扩展连续查询的重复错误报告预测: 2022年; 随着软件项目规模的增大与复杂性的增加,测试过程产生了大量的错误报告,其中重复的错误报告广泛存在.重复错误报告的存在,降低了开发人员修复错误的效率.重复错误报告预测可有效地避免重复错误报告的产生,是近年来的热门研究方向之一,但其效率及准确率有待提高.为此,提出一种基于语义扩展连续查询的重复错误报告预测方法,通过构建基于主题模型的错误报告索引词库,对查询词序列进行语义扩展,采用基于连续查询的错误报告检索算法,在缩小索引空间的同时,提升了预测准确率与效率.实验表明,相较于传统重复错误报告预测方法,该方法减小了50%以上的错误报告索引空间,最高提升了33.6%的预测效果,且缩短了41%–73%的检索时间.; 张骞月赵瑞莲王微微; 关键词：语义扩展连续查询

Android应用的用户行为模式挖掘及复用方法: 2022年; 软件测试是保障Android应用质量的有效手段,而理解Android应用的功能作为Android测试过程的基础,旨在深入探究应用的业务逻辑并发现其功能问题,在测试中尤为重要。用户行为模式可充分辅助测试人员理解Android应用功能,从而提高测试效率。基于“相似Android应用共享用户行为模式”的构想,提出一种Android应用的用户行为模式挖掘及复用方法,以降低Android应用测试成本并提高测试效率。具体而言,针对待测Android应用,从其相似Android应用挖掘出用户行为模式;然后利用基于语义的事件模糊匹配策略为待测应用寻找对应事件,并基于用户图形界面(GUI)模型的最优路径选择策略为待测应用生成目标事件序列,从而实现相似应用间的用户行为模式复用。针对三类应用的32种用户行为模式进行实验,结果表明,87.4%的行为模式可在相似Android应用上被完整复用,并且被复用的行为模式可有效覆盖待测应用中90.2%的重要状态。可见,所提方法为Android应用测试提供了有效支撑。; 毛群王微微尤枫赵瑞莲李征; 关键词：ANDROID应用用户行为模式模式复用

Web应用前后端融合的分布式并行演化测试生成: 2022年; 综合考虑客户端和服务器的Web应用演化测试生成方法,能更有效地测试Web应用程序,提高其质量和安全性.然而,客户端的测试用例涉及了与浏览器的交互,这减慢了测试效率。此外,进化过程中种群多样性的下降容易导致测试生成效率低、测试生成效果不佳的问题.为此,将分布式并行策略引入到前后端融合的Web应用测试用例演化生成中,在算法和执行层面优化测试用例演化生成过程,提高其测试生成效果及效率.具体而言,在算法层面,将并行演化和遗传算法结合,基于个体相似度划分种群,形成多个子群;多个子群并行演化、子群之间进行个体迁移,以增加测试演化生成过程中的种群多样性,从而提升测试生成效果以及效率;在执行层面,通过多线程和多浏览器进程协同、线程池管理以及动态调度策略实现多个子群的并行执行,提高测试生成的执行效率.实验结果表明Web应用的分布式并行演化测试生成方法提升了测试生成效果,减少了测试用例的生成时间.; 武淑美王微微赵瑞莲; 关键词：WEB应用测试并行化分布式迁移

基于动态集合进化算法的弱变异测试用例集生成: 为解决基于集合进化算法(SEA)的弱变异测试用例集生成过程中个体规模固定和执行开销大的问题，提出一种基于动态集合进化算法(DSEA)的弱变异测试用例集生成方法.以测试用例集为个体，生成覆盖所有变异分支的弱变异测试用例集....; 郭后钱王微微尚颖赵瑞莲; 关键词：测试用例生成贪心算法

Web应用漏洞报告理解及漏洞复现: 2023年; 随着Web应用的功能日趋复杂,其安全问题不容乐观,Web应用安全性测试成为软件测试领域的研究重点之一.漏洞报告旨在记录Web应用安全问题,辅助Web应用测试,提升其安全性与质量.然而,如何自动识别漏洞报告中的关键信息,复现漏洞,仍是当前的研究难点.为此,本文提出一种自动化的漏洞报告理解和漏洞复现方法,首先,依据漏洞报告的特点,归纳其语法依存模式,并结合依存句法分析技术,解析漏洞描述,提取漏洞触发的关键信息.其次,不同于常规自然语言描述,Web漏洞的攻击负载通常是非法字符串,大多以代码片段的形式存在,为此,本文针对攻击负载,设计提取规则,完善漏洞报告中攻击负载的提取.在此基础上,考虑漏洞报告与Web应用文本描述不同但语义相近,提出基于语义相似度的漏洞复现脚本自动生成方法,实现Web应用漏洞的自动复现.为验证本文方法的有效性,从漏洞收集平台Exploit-db的300余个Web应用项目中收集了400份漏洞报告,归纳出其语法依存模式;并针对23个开源Web应用涉及的26份真实漏洞报告进行漏洞复现实验,结果表明本文方法可有效提取漏洞报告的关键信息,并据此生成可行测试脚本,复现漏洞,有效减少人工操作,提升漏洞复现效率.; 李子东王微微尤枫杨羊赵瑞莲; 关键词：WEB应用测试自然语言处理

基于动态集合进化算法的弱变异测试用例集生成被引量：1: 2017年; 为解决基于集合进化算法(SEA)的弱变异测试用例集生成过程中个体规模固定和执行开销大的问题,提出一种基于动态集合进化算法(DSEA)的弱变异测试用例集生成方法。以测试用例集为个体,生成覆盖所有变异分支的弱变异测试用例集。在进化过程中,集合精简算子根据最优个体的最小子集及其未覆盖变异分支数量计算所需测试用例集的最小规模,并基于该最小规模调整种群中所有个体的规模,以生成最小规模的弱变异测试用例集,同时设计了适用于评估以测试用例集为个体的适应度函数。实验结果表明,动态集合进化算法指导弱变异测试用例集生成,获得的测试用例集规模比个体初始规模平均约简了50.15%,执行时间比集合进化的弱变异测试用例集生成最多降低了74.58%。因此,动态集合进化算法为最小规模的弱变异测试用例集生成和提升算法速度提供了一种解决方案。; 郭后钱王微微尚颖赵瑞莲; 关键词：测试用例生成贪心算法

基于机器视觉的Web应用页面元素识别及可视化脚本生成被引量：6: 2022年; 为了给用户提供丰富的交互响应,Web应用的可视化元素越发复杂多样,传统基于DOM的测试已不能满足Web应用的测试新需求。新一代基于机器视觉的测试方法为Web应用复杂元素的测试提供了一种有效途径。目前,此类方法主要依赖于模版匹配技术识别Web页面元素,以生成可视化测试脚本对Web应用进行测试。然而,页面元素外观的细微变化可导致模版匹配技术失效,从而无法识别Web页面元素,更无法生成可视化测试脚本。因此,如何提高基于机器视觉的Web页面元素识别的准确性,使其在复杂条件中仍然适用是一项具有挑战性的工作。基于深度学习的目标检测是当前计算机视觉和机器学习领域的研究热点,可通过大样本学习得到深层的数据特征表示,以准确识别目标,其泛化能力相比模板匹配更强。针对Web应用,从页面元素的视觉特征出发,提出了一种基于深度学习的Web页面元素识别方法,即利用基于深度学习的目标检测算法YOLOv3构建Web页面元素识别模型,自动定位元素的位置和边界,识别Web页面元素类型及功能描述;在此基础上,自动为Web应用生成可视化测试脚本,提升Web应用的测试效率。为了验证基于机器视觉的Web页面元素识别的准确性,针对同一Web应用的不同版本及不同Web应用分别进行实验,结果表明,基于机器视觉的Web页面元素识别模型的平均召回率为75.6%,可有效辅助Web应用可视化测试脚本生成。; 李子东姚怡飞王微微赵瑞莲; 关键词：WEB应用测试机器视觉

王微微

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

王微微

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈