論文の概要: Search-based Software Testing Driven by Automatically Generated and
Manually Defined Fitness Functions
- arxiv url: http://arxiv.org/abs/2207.11016v2
- Date: Thu, 7 Sep 2023 14:45:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 15:29:24.458210
- Title: Search-based Software Testing Driven by Automatically Generated and
Manually Defined Fitness Functions
- Title（参考訳）: 自動生成と手動定義による検索ベースソフトウェアテスト
- Authors: Federico Formica, Tony Fan, Claudio Menghi
- Abstract要約: 検索ベースのソフトウェアテスト(SBST)は通常、ソフトウェア障害への探索を誘導するフィットネス機能に依存している。
本稿では,要求仕様から自動生成されるフィットネス機能と,エンジニアが手動で定義するフィットネス機能を組み合わせた新しいフレームワークであるATheNAを提案する。
- 参考スコア（独自算出の注目度）: 4.295535415758033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Search-based software testing (SBST) typically relies on fitness functions to
guide the search exploration toward software failures. There are two main
techniques to define fitness functions: (a) automated fitness function
computation from the specification of the system requirements, and (b) manual
fitness function design. Both techniques have advantages. The former uses
information from the system requirements to guide the search toward portions of
the input domain more likely to contain failures. The latter uses the
engineers' domain knowledge. We propose ATheNA, a novel SBST framework that
combines fitness functions automatically generated from requirements
specifications and those manually defined by engineers. We design and implement
ATheNA-S, an instance of ATheNA that targets Simulink models. We evaluate
ATheNA-S by considering a large set of models from different domains. Our
results show that ATheNA-S generates more failure-revealing test cases than
existing baseline tools and that the difference between the runtime performance
of ATheNA-S and the baseline tools is not statistically significant. We also
assess whether ATheNA-S could generate failure-revealing test cases when
applied to two representative case studies: one from the automotive domain and
one from the medical domain. Our results show that ATheNA-S successfully
revealed a requirement violation in our case studies.
- Abstract（参考訳）: 検索ベースのソフトウェアテスト(SBST)は通常、ソフトウェア障害への探索を誘導するフィットネス機能に依存している。
フィットネス関数を定義する主要なテクニックは2つある。
(a)システム要件仕様による自動適合関数計算、及び
(b)手動フィットネス機能設計。
どちらの技法にも利点がある。
前者は、システム要件からの情報を入力ドメインの一部への検索を導くために使用します。
後者はエンジニアのドメイン知識を使用する。
本稿では,要求仕様から自動生成されるフィットネス機能と,エンジニアが手動で定義する機能を組み合わせた新しいSBSTフレームワークであるATheNAを提案する。
我々は、SimulinkモデルをターゲットにしたATheNAのインスタンスであるATheNA-Sを設計、実装する。
ATheNA-S は、異なる領域のモデルの集合を考慮し評価する。
以上の結果から,ATheNA-Sは既存のベースラインツールよりもフェールリベリングテストケースを多く生成し,ATheNA-Sのランタイム性能とベースラインツールとの差は統計的に有意ではないことがわかった。
また,AtheNA-Sが自動車ドメインと医療ドメインの2つのケーススタディに適用した場合,障害発見テストケースを生成できるかどうかも検討した。
以上の結果から,AtheNA-Sは本症例では要件違反であった。
関連論文リスト
- Can Search-Based Testing with Pareto Optimization Effectively Cover Failure-Revealing Test Inputs? [2.038863628148453]
我々は,検索領域内の障害発生領域をカバーするには,検索ベースソフトウェアテスト(SBST)が不十分であると主張している。
本研究では,入力空間におけるフェールリベリングテスト入力のカバレッジを,Coverage Inverted Distance品質指標と呼ぶ指標を用いて測定する。
論文 参考訳（メタデータ） (2024-10-15T16:44:40Z) - Aux-NAS: Exploiting Auxiliary Labels with Negligibly Extra Inference Cost [73.28626942658022]
本研究の目的は,独立タスク(副次タスク)から追加の補助ラベルを活用することで,タスクのパフォーマンスを向上させることである。
本手法は,主タスクと補助タスクのための柔軟な非対称構造を持つアーキテクチャに基づく。
VGG、ResNet、ViTのバックボーンを使用して、NYU v2、CityScapes、Taskonomyデータセット上の6つのタスクで実験を行った。
論文 参考訳（メタデータ） (2024-05-09T11:50:19Z) - Point-TTA: Test-Time Adaptation for Point Cloud Registration Using
Multitask Meta-Auxiliary Learning [17.980649681325406]
我々は、ポイントクラウド登録(PCR)のための新しいテスト時間適応フレームワークであるPoint-TTAを提案する。
我々のモデルは、テストデータの事前の知識を必要とせずに、テスト時に目に見えない分布に適応することができる。
訓練中は, 補助タスクによる適応モデルにより主タスクの精度が向上するように, メタ補助学習アプローチを用いて訓練を行う。
論文 参考訳（メタデータ） (2023-08-31T06:32:11Z) - Leveraging Log Instructions in Log-based Anomaly Detection [0.5949779668853554]
本稿では,システムログからの信頼性と実用的な異常検出手法を提案する。
1000以上のGitHubプロジェクトのソースコードからログインストラクションを備えた異常検出モデルを構築することで、関連する作業の一般的な欠点を克服する。
提案手法はADLILogと呼ばれ,興味あるシステム(ターゲットシステム)からのログ命令とデータを組み合わせて,深層ニューラルネットワークモデルを学習する。
論文 参考訳（メタデータ） (2022-07-07T10:22:10Z) - Using Personality Detection Tools for Software Engineering Research: How
Far Can We Go? [12.56413718364189]
自己評価アンケートは、大規模に複数の観察を収集するための実践的な解決策ではない。
非技術的コーパスでトレーニングされたオフザシェルフソリューションは、ソフトウェア工学のような技術的な領域では、容易には適用できないかもしれない。
論文 参考訳（メタデータ） (2021-10-11T07:02:34Z) - Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。
この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。
本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
論文 参考訳（メタデータ） (2021-09-01T07:01:33Z) - ALT-MAS: A Data-Efficient Framework for Active Testing of Machine
Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。
ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文 参考訳（メタデータ） (2021-04-11T12:14:04Z) - TELESTO: A Graph Neural Network Model for Anomaly Classification in
Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。
1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。
与えられたデータの次元変化に不変な手法を提案する。
論文 参考訳（メタデータ） (2021-02-25T14:24:49Z) - DirectDebug: Automated Testing and Debugging of Feature Models [55.41644538483948]
変数モデル(例えば、特徴モデル)は、ソフトウェアアーティファクトの変数と共通性を表現する一般的な方法である。
複雑でしばしば大規模な機能モデルは欠陥になりうる、すなわち、ソフトウェアアーチファクトの期待される変動特性を表現しない。
論文 参考訳（メタデータ） (2021-02-11T11:22:20Z) - NAS-FAS: Static-Dynamic Central Difference Network Search for Face
Anti-Spoofing [94.89405915373857]
対面防止(FAS)は、顔認識システムを保護する上で重要な役割を担っている。
既存の手法は専門家が設計したネットワークに依存しており、タスクFASのサブ最適化ソリューションにつながる可能性がある。
本稿では,ニューラルサーチ(NAS)に基づく最初のFAS手法であるFAS-FASを提案する。
論文 参考訳（メタデータ） (2020-11-03T23:34:40Z) - A Generative Neural Network Framework for Automated Software Testing [0.0]
本稿では,非畳み込み生成ニューラルネットワークに基づくSBSTフレームワークを提案する。
NNをSBSTタスクに適合させる有益な品質を保持するだけでなく、独自のトレーニングデータも生成している。
論文 参考訳（メタデータ） (2020-06-29T19:39:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。