基于 LLM 的实时故障注入：面向智能故障测试用例生成的一种方法
软件工程
2026-03-19 v1
摘要
故障注入（FI）是汽车软件系统（ASS）进行安全评估和实时验证的常用方法。按照 ISO 26262 标准，故障人为引入以分析安全属性和验证安全机制。然而，当前的 FI 方法和工具存在显著局限，即需要手动识别 FI 属性，包括故障类型、位置和时间。系统越复杂，过程越昂贵、耗时且耗费人力。为此，本文提出一种新颖的大型语言模型（LLM）辅助故障测试用例（TC）生成方法，用于实时 FI 测试。在此基础上，考虑代表性和覆盖性准则，调查了 various LLM 用于从功能安全要求（FSRs）中创建故障 TC 的适用性。通过 LLM 的验证结果，证明了本文所提出的方法在 gpt-4o 方面优于其他最先进模型。具体而言，所提方法在 FSRs 分类和故障 TC 生成方面分别表现出高性能，F1 分数分别为 88% 和 97.5%。为说明该方法，所生成的故障 TC 在硬件-in-loop 系统上进行了实时执行，其中高保真汽车系统模型作为案例研究。该新方法提供了一种优化实时测试过程的手段，从而在降低成本的同时增强复杂安全关键 ASSs 的安全属性。
引用
@article{arxiv.2511.19132,
title = {LLMs-Powered Real-Time Fault Injection: An Approach Toward Intelligent Fault Test Cases Generation},
author = {Mohammad Abboush and Ahmad Hatahet and Andreas Rausch},
journal= {arXiv preprint arXiv:2511.19132},
year = {2026}
}