基于机器学习的软件质量预测技术综述

如今,各个行业对软件的要求越来越高,而软件的检测是实现软件质量的关键,也是整个系统的一个关键环节。在开发软件之前,开发人员常常要花费很多时间对软件可能出现的故障进行预测分析,以确保其可靠度,从而设计出高质量和高可靠性的软件系统。以往的机器学习的自动化测试技术可以有效地帮助软件从业人员提高效率。随着技术发展,机器学习技术已经可以实现对软件系统故障过程的预测,且辅助软件质量管理机制和质量控制流程的构建,在减轻开发人员工作负担的同时提高软件的质量和可靠性。通过对近10年有关机器学习预测软件可靠性的文献进行了研究,总结了软件质量预测领域的相关技术。     

软件质量评估与信息安全风险管理的融合策略

随着社会经济的不断发展,软件工程行业逐渐开始重视软件的质量管理与控制工作,不断地引入新技术、新理念,以实现企业内部管理与经营方式的转变。但在实践中,与发达国家相比,仍存有一定的差距。因此,要想提升软件质量评估与信息安全风险管理的效果,需要有一定的人力、物力和财力,并深入研究软件质量评估与信息安全风险治理的融合策略,确定质量管理的重点和难点,从而从根本上改善软件质量评估和信息安全风险管理中存在的问题,为人们提供更为优质、安全和稳定的软件服务。     

软件质量测评体系和工具综述

介绍了国内外软件测评体系现状，提出了软件测评的总体技术要求，分析了目前测评单位所使用的软件测试工具的主要功能，为建立软件测评体系提供技术依据和实施参考。     

软件测试数据自动生成方法分类的研究

软件测试是保证软件质量的重要手段,测试数据自动生成是软件测试领域研究的热点之一。近些年,测试数据的自动化生成得到了广泛的关注。本文首先总结了应用较为频繁的基于路径覆盖、优化算法的测试数据生成的研究成果,之后归纳了基于聚类算法以及基于UML模型的测试数据自动生成技术的研究现状,并分析了每类方法的特点及面临的主要问题,最后对测试数据自动生成的未来发展进行了展望。     

基于深度学习的软件缺陷预测方法研究

软件缺陷预测的任务是以较高的精度识别软件中有缺陷的代码,是保障软件质量和可靠性的关键因素。随着智能化的发展,大量的机器学习、深度学习等技术应用到了软件缺陷预测中,并取得了良好的效果。汇总了近5年国内外缺陷预测技术的前沿成果,以深度学习的预测方法为主线进行分析,对不同深度学习方法的缺陷预测效果进行了比较,最后探讨了智能化软件缺陷预测方法的进一步研究方向。     

缺陷报告质量研究综述

在软件开发和维护过程中,缺陷修复人员通常根据由终端用户或者开发/测试者提交的缺陷报告来定位和修复缺陷.因此,缺陷报告本身的质量对修复人员能否快速准确定位并修复缺陷具有重要的作用.围绕缺陷报告质量的刻画及改进,研究人员开展了大量的研究工作,但尚未进行系统性的归纳.旨在对这些工作进行系统性地梳理,展示该领域的研究现状并为未来的研究方向提供参考意见.首先,总结了已有缺陷报告存在的质量问题,如关键信息缺失、信息错误等;接着,总结了对缺陷报告质量进行自动化建模的技术;然后,描述了一系列对缺陷报告质量进行改进的方法;最后,对未来研究可能面临的挑战和机遇进行了展望.     

基于ISO 9001/CMM的软件质量保证的对比研究

通过对目前软件业十分关注的CMM与ISO 90 0 1的对比研究 ,分析了两者之间的共同点、联系与区别 ,指出了软件企业应该在遵循ISO 90 0 1的同时 ,采用CMM建立起规范化的软件过程 ,保证软件质量。