Die Verwendung eines neuronalen Netzwerks im Software-Testprozess

Software-Testing ist ein integraler Bestandteil des Software-Entwicklungszyklus. Da das Ziel des Testens darin besteht, die Übereinstimmung einer Anwendung mit ihrer Spezifikation sicherzustellen, wird ein Test-„Oracle“ benötigt, um zu bestimmen, ob ein bestimmter Testfall einen Fehler aufdeckt oder nicht. Die Verwendung eines automatisierten Orakels zur Unterstützung der Aktivitäten menschlicher Tester kann die tatsächlichen Kosten des Testprozesses und der damit verbundenen Wartungskosten reduzieren. In diesem Papier stellen wir ein neues Konzept vor, das ein künstliches neuronales Netzwerk als automatisiertes Oracle für ein getestetes Softwaresystem nutzt. Ein neuronales Netzwerk wird mit dem Backpropagation-Algorithmus auf einer Reihe von Testfällen trainiert, die auf die Originalversion des Systems angewendet werden. Das Netzwerktraining basiert auf dem „Black-Box“-Ansatz, da nur die Eingaben und Ausgaben des Systems dem Algorithmus präsentiert werden. Das trainierte Netzwerk kann als künstliches Oracle verwendet werden, um die Richtigkeit der von neuen und möglicherweise fehlerhaften Versionen der Software erzeugten Ausgaben zu bewerten. Wir präsentieren experimentelle Ergebnisse zum Einsatz eines zweischichtigen neuronalen Netzwerks zur Fehlererkennung innerhalb des mutierten Codes einer kleinen Genehmigungsanwendung für Kredite. Die Ergebnisse scheinen vielversprechend für eine breite Palette injizierter Fehler zu sein. ? 2002 John Wiley & Sons, Inc.