基于深度学习的预测器的蜕变测试
机器学习
2019-07-17 v1 软件工程
摘要
本文提出对一个在用基于深度学习的预测应用进行蜕变测试。该应用观测系统特征(如“内存分配”)的过往数据以预测未来的中断故障。我们关注两个基于统计/机器学习的组件——a) 系统特征间相关性的检测，以及 b) 使用 LSTM(一种深度学习架构)估计系统特征的未来值。我们共开发了 19 个蜕变关系，并在适用处给出了证明与算法。我们通过两种设置评估了我们的方法。第一种，我们在实际应用上执行这些关系，发现了 8 个此前未知的问题。第二种，我们通过变异测试在 LSTM 预测器的参考实现上生成假设性缺陷，发现 65.9% 的缺陷被这些关系捕获。
引用
@article{arxiv.1907.06632,
title = {Metamorphic Testing of a Deep Learning based Forecaster},
author = {Anurag Dwarakanath and Manish Ahuja and Sanjay Podder and Silja Vinu and Arijit Naskar and Koushik MV},
journal= {arXiv preprint arXiv:1907.06632},
year = {2019}
}
备注
Paper published at the 2019 IEEE/ACM 4th International Workshop on Metamorphic Testing (MET)