面向环境不确定性的人机物三元融合自适应系统软件测试技术

As an important part of self-adaptive systems, software's quality affects users' life safety and properties. Due to the dynamic, open and complex environment of self-adaptive systems, environmental uncertainty exists inherently in such systems. Exiting works fail to address the challenges of testing self-adaptive systems brought by environmental uncertainty. In this project, we propose a two-phase testing framework to test and analyze self-adaptive systems suffering uncertainty, according to the systems' testing environment and deploying environment. First, the proposed framework executes a target self-adaptive system in a given environment to discover its failures. Second, the framework evaluates the self-adaptive system's suitability in a new running environment to determine whether one needs to re-test it in the new environment. For the first phase, this project will study how to efficiently explore a given self-adaptive system's state space, and how to accurately determine whether the system is executing correctly or not. For the second phase, this project will study how to effectively evaluate the system's behavior in its new running environment. The expected results of this project could provide theoretical and technical support for software quality assurance of self-adaptive systems suffering uncertainty.

人机物三元融合的自适应系统处于动态、开放和难控的运行环境，受到了环境不确定性的影响，其软件质量直接关系到使用者的生命和财产安全。然而自适应系统软件测试的当前研究工作缺乏对环境不确定性的考虑，难以为自适应系统的运行质量提供可靠的保障。本项目立足于受环境不确定性影响的自适应系统软件的测试，从软件运行环境与软件测试结果的关系出发，将提出一个两阶段的面向环境不确定性的自适应系统软件的测试框架：在已知测试环境中暴露目标软件失效现象和在未知运行环境中评价目标软件整体行为。前者将研究如何在测试输入生成中高效探索软件的状态空间，以及在测试预言生成中准确判断软件的异常行为。后者将研究如何基于自动程序合成为自适应系统生成行为模型，以及如何通过交叉验证的方法评估自适应系统的运行质量。本项目的研究成果可以为受环境不确定性影响的自适应系统的软件质量保障提供理论依据和技术支撑。

人机物三元融合的自适应系统处于动态、开放和难控的运行环境，受到了环境不确定性的影响，其软件质量直接关系到使用者的生命和财产安全。然而自适应系统软件测试的当前研究工作缺乏对环境不确定性的考虑，难以为自适应系统的运行质量提供可靠的保障。本项目立足于受环境不确定性影响的自适应系统软件的测试，从软件运行环境与软件测试结果的关系出发，提出一个两阶段的面向环境不确定性的自适应系统软件的测试框架：在已知测试环境中暴露目标软件失效现象和在未知运行环境中评价目标软件整体行为。前者包括基于基于自回归模型和组合测试的自适应系统软件测试输入生成方法和基于参数估计假设检验的自适应系统模型偏差检测方法，此两种方法可以高效探索软件的状态空间（平均少使用51.44％的测试输入，暴露平均多78.53％的系统失效），并准确及时判断自适应系统的异常行为（平均漏报率降低39.4％，误报率降低25.2％，检测时间降低93.3％）。后者包括一个基于模型偏差特性的自适应系统模型检测评估体系和一个基于输入验证的自适应系统运行时监控回退机制，此两种方法可以有效提升自适应系统的任务成功率（模拟环境中提升50％，实际物理环境中提升82％）。项目研究成果包括发表高水平学术论文6篇，其中CCF-A/CCF-B/CCF-中文A类论文4篇，培养硕士研究生1名，申请发明专利4项，项目研究成果之一获得中国软件大会2022原型系统竞赛三等奖。

内容获取失败，请点击重试