断言推断变异体
软件工程
2023-01-31 v1
摘要
规约推断技术旨在通过动态测试执行和变异测试生成并过滤断言，从而（自动）推断出一组捕捉所展现软件行为的断言。尽管强大，此类技术由于需要执行大量断言、测试用例和变异版本而计算代价高昂。为克服该问题，我们证明变异测试工具所用变异体中一个小的子集（即 12.95%）足以用于断言推断，该子集与变异测试文献频繁引用的蕴含变异体集显著不同（即 71.59% 不同），并且可通过基于学习的方法静态近似。特别地，我们提出 AIMS，一种选择断言推断变异体（即一组非常适合断言推断的变异体）的方法，其 MCC 为 0.58、Precision 为 0.79、Recall 为 0.49。我们在 46 个程序上评估 AIMS，表明其具有与完整变异分析相当的推断能力（遗漏 12.49% 的断言），同时显著限制执行代价（运行快 46.29 倍）。与随机选择的变异体集比较，AIMS 推断多出 36% 的断言而所需执行时间大致相等，显示了其优越性。我们还表明 AIMS 的推断能力几乎完整，其推断了 96.15% 的 ground truth 断言（即手动构建的完整断言集），而随机变异体选择仅推断了其中的 19.23%。更重要的是，AIMS 使断言推断技术能够扩展到完整变异测试代价过高且随机变异体选择无法产生任何断言的对象上。
引用
@article{arxiv.2301.12284,
title = {Assertion Inferring Mutants},
author = {Aayush Garg and Renzo Degiovanni and Facundo Molina and Mike Papadakis and Nazareno Aguirre and Maxime Cordy and Yves Le Traon},
journal= {arXiv preprint arXiv:2301.12284},
year = {2023}
}