基于Markov链使用模型的软件可靠性测评方法研究

基于Markov链使用模型的软件统计测试是产生高效测试用例,实现软件可靠性定量评估的有效方法.论述了该方法中使用链与测试链的构建技术,基于使用模型的统计分析计算,基于测试链的软件可靠性评估,操作可靠性和使用可靠性评估,以及它们在实际应用中需要注意的若干问题.     

安全关键系统的软件可靠性评估方法

基于统计测试的Markov使用链模型对安全关键系统的可靠性估计提出了一种有效的方法。该方法利用重要抽样技术在保证佑计的无偏性条件下,以可靠性估计的方差最小为目的,通过Ali-Silvey距离度量两个分布之间的差异,调整各个状态之间的转移概率分布,修正测试剖面,增加关键操作的遍历概率。最后给出了软件可靠性估计的最优测试剖面生成迭代算法。仿真结果表明,该方法能明显降低估计方差,在提高估计精度的同时能有效地加速统计测试。     

Numerical iterative methods for Markovian dependability and performability models: new results and a comparison

In this paper we deal with iterative numerical methods to solve linear systems arising in continuous-time Markov chain (CTMC) models. We develop an algorithm to dynamically tune the relaxation parameter of the successive over-relaxation method. We give a sufficient condition for the Gauss–Seidel method to converge when computing the steady-state probability vector of a finite irreducible CTMC, and a sufficient condition for the generalized minimal residual projection method not to converge to the trivial solution 0 when computing that vector. Finally, we compare several splitting-based iterative methods and a variant of the generalized minimal residual projection method.     

Markov控制转换多模块软件可靠性测试资源动态分配方法

考虑到软件任务模块执行的不均衡性以及模块级软件可靠性增长测试的具体情况,针对Markov控制转换多模块软件,提出了一种模块级的可靠性测试资源动态优化分配方法,以减少测试代价.与静态资源分配方法相比,本方法更加优化利用测试资源,在确保可靠性指标的前提下可降低总的测试代价.     

基于软件测试的软件可靠性评价技术研究

提出了利用软件测试结果进行软件可靠性评价的技术和方法,并结合具体的软件项目,计算出了软件模块的可靠性以及软件的可靠性.该方法能够有效满足在软件开发的不同阶段对软件可靠性进行评价的需要.     

基于Markov链使用模型的组件复用的统计测试

提出了用Markov链使用模型来模拟具体环境中组件的使用方式,对组件的复用进行统计测试,详细论述了提出的组件复用统计测试的思想框架和测试步骤,并进一步指出了每个测试步骤具体的研究细节。最后给出了提出的方法与现有方法的对比分析,说明提出的方法是组件复用自动化测试的一种经济可行的方法。     

基于受控马尔科夫链的软件缺陷优化测试策略

目前许多文献都讨论的受控马尔科夫链软件测试模型,是通过对部分假设条件进行特殊化处理后得到的,这将导致模型的适用范围较小且偏离实际应用。依据软件控制论思想,通过一系列新的制约条件的转换,提出一种改善的、测试资源约束下的受控马尔科夫链模型来消除已有模型的缺陷。同时,该模型能够在高效性、复杂性和适用性3方面达到一个平衡点。为了证明其有效,根据该模型设计了一种新的软件缺陷优化测试策略,并对该策略进行了仿真实验,将其与传统的随机测试策略进行了比较。实验结果表明,该模型具有较高的实用性和有效性。     

基于概率统计的软件测试方法研究

为了缩短软件测试周期,本文把马尔可夫链模型运用于软件可靠性测试中,提出了这一技术进行软件可靠性测试的方法。在测试过程中使用了新的评判准则分析测试结果,通过实例证明了该评判准则的实用性和有效性。     

基于马尔可夫模型的可信性评估研究

研究了安全关键实时系统传统的高可信保障机制,提出了一种可支持多级关键度的新可信性保障机制。使用该机制则可根据各子系统的实际可信性需求采用相应的冗余数进行容错处理。为评估该可信性保障机制,改进了传统的多模型可信性评估方法。基于马尔可夫模型,文章建立了一种统一的可信性评估模型,使用该模型则可按不同关键度子系统的实际可信性需求进行独立的评估。同时,该文使用了大量的实例进行例证。     

基于Markov链路径使用模型的软件统计测试

探讨了建立基于路径使用的Markov链模型来分析模块内部代码结构的统计测试方法的可能性。提出将统计理论用于软件的结构测试，从理论上得出软件的结构可靠性结论。提出具有有限状态、离散时间序列的Markov链作为程序的使用模型和测试模型，使用Kullback判别式作为测试链收敛到使用链的判断准则，从理论上证明了测试链到使用链收敛的必然性。理论分析和初步的实验证明该方法是可行和有前途的。     

软件可靠性在软件战略中的地位研究

软件业是战略性产业。软件在计算机系统总成本中占的比重越来越高,软件的经济价值和国防意义巨大。软件不可靠、很脆弱,软件可靠性的问题相对硬件来说更为突出,而提高软件的可靠性也相对易见成效。可靠性是质量的核心,它包括了安全性分析,并为安全性分析提供有效的方法。软件的可靠性影响软件的信誉,软件可靠性的问题关乎软件战略的成败,是实现“中国服务”这一目标的关键所在。因此,提高可靠性的意识,推广软件可靠性工程,软件业才能够快速、健康地发展。     

基于隐马尔可夫模型的入侵场景构建

提出了一种基于隐马尔可夫模型的入侵场景构建方法,实现自动地从大量低级的入侵检测告警信息中构建出更高层次的入侵场景的目的。为了简化处理过程,对数据流采用两次抽象描述和一次回溯处理过程完成对入侵场景的构建,在DARPA2000测试数据集上的实验表明该方法是有效的。     

基于云模型的可信性评估模型*

软件应用领域极度扩展,促使软件可信问题被高度重视,但量化的软件可信性评估却是可信问题研究的难点。针对软件可信性量化问题,提出了基于云模型的可信性评估模型。以REST表述性状态转移超媒体分布式架构为背景,根据云模型理论定义了其组成构件的信任云以及系统综合信任云,用于评估构件的可信性和系统的可信性。从四个层面,探讨软件可信问题,以可信基础参数获取作为最底层输入,进而生成云模型,合并云模型,最终进入可信评估应用层面。实验结果表明,基于云模型的可信性评估模型是有效实用的,在可信度的不确定性方面增加了评估的灵活性。     

基于UML的软件Markov链使用模型构造研究

软件统计测试要求基于软件使用模型产生测试例对软件系统进行测试,并根据测试结果评价软件可靠性,是高可靠软件测试的重要组成部分.由于统一建模语言(unified modeling language,简称UML)已经成为事实上的面向对象标准建模语言,因此,从软件UML模型构造软件使用模型就成为面向对象软件统计测试的关键.为此,定义了加入统计测试约束的UML用例图、序列图以及用例执行顺序关系,为基于UML的软件统计测试提供了一个形式化描述基础.在此基础上,给出一个从软件UML模型构造软件Markov链使用模型的算法,并给出了自动化支持工具UMGen的类图结构,基于一个卫星控制系统,说明了所提出方法的有效性.     

Markov控制转换多模块软件可靠性测评方法

针对软件多模块化发展的趋势以及当前软件可靠性测评把软件当成一个整块进行处理的缺点,本文提供了一种Markov控制转换多模块软件的可靠性测评方法.方法的主要思想包括建立基于软件体系结构的可靠性模型,并依据该模型把系统级的可靠性指标优化分配到模块级,实现在模块级对整个软件系统可靠性的监控,并在系统级的测评中进行确认.文中针对系统级测评缺少失效数据的情况,重点阐述了如何基于最大熵原理求解系统可靠性参数分布函数,以实现对系统可靠性指标的验证.     

Classification of process trends based on fuzzified symbolic representation and hidden Markov models

This paper presents a strategy to represent and classify process data for detection of abnormal operating conditions. In representing the data, a wavelet-based smoothing algorithm is used to filter the high frequency noise. A shape analysis technique called triangular episodes then converts the smoothed data into a semi-qualitative form. Two membership functions are implemented to transform the quantitative information in the triangular episodes to a purely symbolic representation. The symbolic data is classified with a set of sequence matching hidden Markov models (HMMs), and the classification is improved by utilizing a time correlated HMM after the sequence matching HMM. The method is tested on simulations with a non-isothermal CSTR and compared with methods that use a back-propagation neural network with and without an ARX model.     

基于马尔可夫链模型的软件测试方法的研究与实现

在马尔可夫链模型的基础上,将软件测试结果的分析问题转化为一个经典概率问题。通过数学方法实现了软件测试模型的简化,加速了测试用例的生成,从而降低了测试的复杂度,解决了简化测试用例难度的问题。通过实例证明,这种测试技术具有一定的实用性和有效性。     

Dependability evaluation of an air traffic control computing system

As air traffic over France is growing rapidly, the existing air traffic control (ATC) system has to evolve to satisfy the increasing demand. The selection of the new automated computing system (denoted CAUTRA) is based, among other things, on dependability evaluation. This paper is devoted to the dependability evaluation of the CAUTRA, however, emphasis is put on a subset: the regional control center (RCC). Starting from the analysis of the impact of CAUTRA failures on air traffic safety, five levels of service degradation are defined for the global system grading the effects of these failures on the service delivered to the controllers to ensure traffic safety. The RCC failure modes leading to these degradation levels are then defined and evaluated using stochastic Petri nets. The modeling approach consists in modeling the system as a set of modules interconnected via coupling mechanisms. The system model is constructed in several steps according to an incremental approach. Each step integrates the failure and recovery assumptions of an additional component and updates the model of the previous step by accounting for the impact of the new component on the behavior of those already included in the model. The application of this approach to the CAUTRA allowed us to analyze several configurations of the CAUTRA architecture and to identify improvement areas to minimize the impact of CAUTRA failures on air traffic safety.     

基于最大熵马尔科夫模型的绩效评价方法

本文提出了一种基于最大熵马尔科夫模型的绩效评价方法.该方法采用马氏模型来定量化建模专家打分过程,采用特征函数表征打分规则,通过在训练集上最大化熵来获得符合专家经验的最优的打分模型.与传统方法相比,所提出的方法可以融合各种打分规则、专家经验和指标逻辑关系得到综合打分结果.为了提高模型的训练和打分的效率,本文提出了基于改进迭代算法的参数估计方法,并利用Viterbi算法进行快速打分计算.利用中国大洋协会绩效评价指标体系历史数据进行的仿真实验表明,与BP神经网络方法和最大熵方法进行对比,本文所提出的方法具有更高的打分正确率.