基于知识图谱和自动机器学习的软件缺陷预测

不稳定和召回率低效的软件缺陷预测模型难以在行业领域应用，为解决稳定和高效各项性能评价指标的软件缺陷预测模型在工程实践应用的问题，提出了一种基于知识图谱和自动化机器学习的软件缺陷预测方法AutoKGGAS，首先获取软件缺陷预测模型数据，对知识建模、知识获取、知识融合、知识储存与知识计算等知识图谱构建技术研究，实现知识图谱推荐优质软件缺陷预测模型作为自动化搜索的热启动输入条件，根据不同的软件缺陷预测评价指标，优化不同最佳的模型结构.其次实证研究采用NASA开源数据集实验对象和六种性能评价指标，实验结果表明， AutoKGGAS自动化软件缺陷预测模型在不同数据集不同评价指标方面，性能优于知识图谱推荐的传统经典软件缺陷预测模型.自动化软件缺陷预测模型为航天软件缺陷预测辅助代码审查测试提供了原型，在工程实践应用方面具有重要的意义.     

基于工厂模式的OSLC数据集成接口设计与实现

复杂软件系统往往由不同地域的研发团队采用不同的开发工具来协同完成，研发过程中存在数据难以集成的问题.基于开放式生命周期协作服务(OSLC)规范来设计软件协同开发数据接口，有利于提高软件协同开发的效率.首次结合工厂模式和OSLC规范设计并实现数据集成接口，将不同工具的数据集成抽象成统一的公共接口，从而采用统一的数据接口和规范实现不同工具的数据集成，有利于优化软件系统体系结构.以符合OSLC规范的Bugzilla缺陷管理系统和Jenkins持续集成工具的集成为例，以面向航天软件系统研发的SunwiseAEM一体化研发管理平台为载体，基于工厂模式设计并实现了符合OSLC规范的数据集成系统，实现了不同工具间的数据集成，提供了一种通用的、可扩展的数据集成方式.     

航天嵌入式软件数组越界缺陷特征研究

根据统计,数组越界是航天嵌入式软件开发过程中出现最多且最容易被遗漏的缺陷类型之一.目前自动化检测数组越界多基于抽象解释、符号执行、程序模型检验等方法,这些方法在误报、漏报、可扩展性等方面的表现依赖于软件及缺陷特征.分析了近三年航天嵌入式软件第三方测试中发现的94个数组越界问题,从缺陷模式和缺陷表现形式两方面分析得出10项航天嵌入式软件数组越界缺陷特征,并提出对设计具体检测方法关键的若干启示.进一步基于这些特征和启示探讨了数组越界检测算法针对中断驱动型程序的改进方向.     

两种混合型软件单元的测试方法

软件测试是保证软件质量和可靠性的重要手段之一,软件单元测试是软件测试中的一个非常重要的阶段.充分的单元测试对发现和排除软件中的缺陷非常有效,并且所花费的成本也小.本文结合航天器嵌入式软件的单元测试具体实践,介绍了白盒技术与黑盒技术相结合的两种混合型的软件单元测试方法,旨在分析如何提高单元测试阶段发现错误的能力而提高单元测试的效率和效果.