FPA-FL：将静态易错性分析引入统计故障定位
软件工程
2017-12-12 v1
摘要
尽管统计方法在自动故障定位中已被证明具有适用性，但这些方法会受到程序不同执行所收集数据的偏差影响。这种偏差可能导致不稳定的统计模型，其可能随为程序试执行所提供的测试数据而变化。为解决该困难，本文提出一种基于 Elastic-Net 回归的、感知易错性的新统计方法，即 FPA-FL。FPA-FL 的核心思想除考虑程序语句与程序终止状态的动态相关性外，还考虑程序语句的静态结构及其易错性。FPA-FL 的分组效应有助于发现多重故障并支持可扩展性。为提供故障上下文，发现了程序故障的因果链。FPA-FL 从多个角度在知名测试套件上进行了评估。结果表明，与文献中类似技术相比，我们的方法具有更高的故障定位性能。
引用
@article{arxiv.1712.03359,
title = {FPA-FL: Incorporating Static Fault-proneness Analysis into Statistical Fault Localization},
author = {Farid Feyzi and Saeed Parsa},
journal= {arXiv preprint arXiv:1712.03359},
year = {2017}
}