面向程序修复的精确条件合成

由于修复缺陷困难，许多研究致力于自动缺陷修复。给定一个未能通过某些测试用例的有缺陷程序，典型的自动修复技术尝试修改程序使所有测试通过。然而，由于真实世界项目的测试套件通常不充分，以通过测试套件为目标常导致不正确补丁。本文旨在生成精确补丁，即我们生成的任何补丁有相对较高概率正确。更具体地，我们关注条件合成，其已被证明能修复现有方法中一半以上的缺陷。我们的关键见解有三方面。第一，了解本地上下文中哪些变量应被用于“if”条件十分重要，我们提出基于变量间依赖关系的排序方法。第二，我们观察到API文档可用于指导修复过程，并提出文档分析技术进一步过滤变量。第三，了解对变量集合应执行什么谓词十分重要，我们提出从现有项目中挖掘相似上下文中频繁使用的谓词。我们开发了新颖的程序修复系统ACS，可在错误位置生成精确条件。此外，鉴于生成条件非常精确，我们可执行先前被认为过拟合的修复操作：直接返回测试预言（test oracle）来修复缺陷。使用我们的方法，我们在Defects4J的四个项目上成功修复了17个缺陷，这是该数据集上迄今报告的全自动修复缺陷的最大数量。更重要的是，我们的方法在评估中精度为73.9%，显著高于以往通常低于40%的方法。