論文の概要: Leveraging Propagated Infection to Crossfire Mutants

• arxiv url: http://arxiv.org/abs/2411.09846v1
• Date: Thu, 14 Nov 2024 23:31:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:39:03.558725
• Title: Leveraging Propagated Infection to Crossfire Mutants
• Title（参考訳）: クロスファイア変異体に対するプロパゲード感染のレバレッジ
• Authors: Hang Du, Vijay Krishna Palepu, James A. Jones,
• Abstract要約: テストが不十分な場合、各ミュータントはテストスイートを改善する機会を提供する。 多くの生き残った変異体は、単に追加のアサーションで既存のテストを増強することで検出できる。 我々は、複数の変異体を偶然に殺傷するクロスファイリングの機会を特定する以前の研究に基づいています。
• 参考スコア（独自算出の注目度）: 4.229296050697151
• License:
• Abstract: Mutation testing was proposed to identify weaknesses in test suites by repeatedly generating artificially faulty versions of the software (mutants) and determining if the test suite is sufficient to detect them (kill them). When the tests are insufficient, each surviving mutant provides an opportunity to improve the test suite. We conducted a study and found that many such surviving mutants (up to 84% for the subjects of our study) are detectable by simply augmenting existing tests with additional assertions, or assertion amplification. Moreover, we find that many of these mutants are detectable by multiple existing tests, giving developers options for how to detect them. To help with these challenges, we created a technique that performs memory-state analysis to identify candidate assertions that developers can use to detect the surviving mutants. Additionally, we build upon prior research that identifies ``crossfiring'' opportunities -- tests that coincidentally kill multiple mutants. To this end, we developed a theoretical model that describes the varying granularities that crossfiring can occur in the existing test suite, which provide opportunities and options for how to kill surviving mutants. We operationalize this model to an accompanying technique that optimizes the assertion amplification of the existing tests to crossfire multiple mutants with fewer added assertions, optionally concentrated within fewer tests. Our experiments show that we can kill all surviving mutants that are detectable with existing test data with only 1.1% of the identified assertion candidates, and increasing by a factor of 6x, on average, the number of killed mutants from amplified tests, over tests that do not crossfire.
• Abstract（参考訳）: 突然変異テストは、ソフトウェア(ミュータント)の人工的に欠陥のあるバージョンを繰り返し生成し、テストスイートがそれらを検出するのに十分なかどうかを判断することで、テストスイートの弱点を特定するために提案された。 テストが不十分な場合、生き残った各ミュータントはテストスイートを改善する機会を提供する。 そこで本研究では,既存の試験を追加のアサーションやアサーション増幅で増幅することにより,生き残った多くの変異体(研究対象者では最大84%)が検出可能であることを確認した。 さらに、これらのミュータントの多くは、既存の複数のテストによって検出可能であることが分かり、開発者がこれらのミュータントを検出する方法の選択肢を提供する。 これらの課題に対処するために、我々は、開発者が生き残ったミュータントを検出するために使用できる候補アサーションを特定するために、メモリ状態解析を実行する技術を開発した。 さらに、我々は「クロスフィリング」の機会を識別する先行研究に基づいて、同時に複数の変異体を殺傷するテストを構築します。 そこで我々は,既存テストスイートで発生する様々な粒度を記述した理論モデルを構築し,生き残ったミュータントを殺すための機会と選択肢を提供する。 このモデルを、既存のテストのアサーション増幅を最適化して、アサーションを減らした複数のミュータントをクロスファイアし、任意に少数のテストに集中する伴奏技術に運用する。 実験の結果,既存の試験データで検出できる変異体は1.1%に過ぎず,平均6倍に増加することが判明した。

関連論文リスト

• An Exploratory Study on Using Large Language Models for Mutation Testing [32.91472707292504]
  LLM(Large Language Models)は、コードに関連するタスクにおいて大きな可能性を示しているが、突然変異テストにおけるそれらの有用性は未解明のままである。 本稿では, LLMのユーザビリティ, 障害検出可能性, および実際のバグとの関係について, 効果的な突然変異生成における性能について検討する。 既存のアプローチと比較して、LSMは実際のバグに近い振る舞いをする、より多様な突然変異を生成する。
  論文  参考訳（メタデータ） (2024-06-14T08:49:41Z)
• An Empirical Evaluation of Manually Created Equivalent Mutants [54.02049952279685]
  手動で作成した突然変異体の10%未満は等価である。 驚くべきことに、我々の発見は、開発者の大部分が同等のミュータントを正確に識別するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2024-04-14T13:04:10Z)
• Contextual Predictive Mutation Testing [17.832774161583036]
  MutationBERTは、ソースメソッドの突然変異とテストメソッドを同時にエンコードする予測突然変異テストのアプローチである。 精度が高いため、MutationBERTは、ライブミュータントをチェック・検証する以前のアプローチで費やされた時間の33%を節約する。 我々は、入力表現と、テストマトリックスレベルからテストスイートレベルまで予測を引き上げるためのアグリゲーションアプローチを検証し、同様の性能改善を見出した。
  論文  参考訳（メタデータ） (2023-09-05T17:00:15Z)
• Systematic Assessment of Fuzzers using Mutation Analysis [20.91546707828316]
  ソフトウェアテストでは、テスト品質を評価するためのゴールドスタンダードは突然変異解析である。 突然変異解析は、様々なカバレッジ対策を仮定し、大規模で多様な障害セットを提供する。 複数の突然変異をプールし、初めて(初めて)ファジィを突然変異解析と比較する現代の突然変異解析技術を適用します。
  論文  参考訳（メタデータ） (2022-12-06T15:47:47Z)
• Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
  本研究の目的は、希少な疾患を患っているk人の集団を同定することである。 個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
  論文  参考訳（メタデータ） (2022-06-15T16:38:50Z)
• Sequential Permutation Testing of Random Forest Variable Importance Measures [68.8204255655161]
  そこで本研究では、逐次置換テストと逐次p値推定を用いて、従来の置換テストに関連する高い計算コストを削減することを提案する。 シミュレーション研究の結果、シーケンシャルテストの理論的性質が当てはまることを確認した。 本手法の数値安定性を2つの応用研究で検討した。
  論文  参考訳（メタデータ） (2022-06-02T20:16:50Z)
• Efficient Test-Time Model Adaptation without Forgetting [60.36499845014649]
  テストタイム適応は、トレーニングとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 信頼性および非冗長なサンプルを同定するためのアクティブなサンプル選択基準を提案する。 また、重要なモデルパラメータを劇的な変化から制約するFisher regularizerを導入します。
  論文  参考訳（メタデータ） (2022-04-06T06:39:40Z)
• DeepMetis: Augmenting a Deep Learning Test Set to Increase its Mutation Score [4.444652484439581]
  ツールは与えられたテストセットを増強し、ミュータントを平均で63%検出する能力を高めるのに効果的である。 アウトアウト実験では、強化されたテストセットが目に見えないミュータントを露出できることを示している。
  論文  参考訳（メタデータ） (2021-09-15T18:20:50Z)
• An Exploration of Exploration: Measuring the ability of lexicase selection to find obscure pathways to optimality [62.997667081978825]
  本稿では,探索空間探索のための選択スキームの容量を診断する探索診断手法を提案する。 我々はレキシケースの選択がトーナメントの選択を外見することを確認した。 我々は,レキシケースのエリート性をエプシロンレキシケースで緩和することで,探索をさらに改善できることを見出した。
  論文  参考訳（メタデータ） (2021-07-20T20:43:06Z)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。