基于 OCL 与搜索的 MC/DC 高效测试数据生成
软件工程
2024-08-05 v3 人工智能
摘要
航空电子软件系统的系统级测试需要符合 DO-178C 等不同国际安全标准。航空工业的一个重要考量是根据安全标准建议的准则自动生成测试数据。DO-178C 推荐的准则之一是修正条件/判定覆盖（MC/DC）准则。当前的基于模型的测试数据生成方法使用对象约束语言（OCL）编写的约束，并应用搜索技术来生成测试数据。这些方法要么不支持 MC/DC 准则，要么在为大规模航空电子系统生成测试数据时存在性能问题。在本文中，我们提出了一种在基于模型的测试过程中自动化 MC/DC 测试数据生成的有效方法。我们开发了一种策略，利用案例推理（CBR）和范围缩减启发式算法，旨在解决针对 MC/DC 定制的 OCL 约束。我们进行了一项实证研究，将我们提出的使用 CBR、范围缩减、以及 CBR 与范围缩减结合的 MC/DC 测试数据生成策略，与原始搜索算法和随机搜索进行了比较。我们还将我们的策略与现有的约束求解方法进行了实证比较。结果表明，用于 MC/DC 测试数据生成的 CBR 和范围缩减均优于基线方法。此外，结合 CBR 和范围缩减进行 MC/DC 测试数据生成是一种相较于现有约束求解器更有效的方法。
引用
@article{arxiv.2401.03469,
title = {Efficient Test Data Generation for MC/DC with OCL and Search},
author = {Hassan Sartaj and Muhammad Zohaib Iqbal and Atif Aftab Ahmed Jilani and Muhammad Uzair Khan},
journal= {arXiv preprint arXiv:2401.03469},
year = {2024}
}