上下文感知特征模型中的异常检测
人工智能
2020-07-29 v1 软件工程
摘要
特征模型是一种组织配置空间并通过使用特征（即代表某项功能的名称）描述配置选项来促进软件变体构建的机制。特征模型的开发易出错，检测其异常是一项具有挑战性且重要的任务，有助于推广其使用。近来，特征模型被扩展以纳入上下文，从而捕获配置选项与上下文影响及用户定制之间的关联。遗憾的是，这一扩展使得异常检测任务更加困难。本文形式化了上下文感知特征模型中的异常分析，并展示了如何利用量化布尔公式（QBF）求解器在不依赖对 SAT 求解器迭代调用的前提下检测异常。通过扩展重配置引擎 HyVarRec，我们给出的结果表明 QBF 求解器可优于常用的异常分析技术。
引用
@article{arxiv.2007.14070,
title = {Anomaly detection in Context-aware Feature Models},
author = {Jacopo Mauro},
journal= {arXiv preprint arXiv:2007.14070},
year = {2020}
}