摘要
本发明公开了一种基于异构程序图的测试生成与缺陷预测方法和系统,该方法包括:构建异构动态程序依赖图:通过静态分析提取源代码的抽象语法树、控制流图及程序依赖图,结合动态插桩捕获运行时执行轨迹,并整合版本演化信息,形成包含多类节点和边的异构动态程序依赖图;异构图神经网络建模:基于异构动态程序依赖图,设计四层八头的异构图神经网络模型,采用类型感知注意力机制和时间编码注入,输出函数级缺陷概率和测试用例序列;多任务联合训练与推理:采用端到端训练策略,联合优化缺陷预测损失和测试生成损失,推理时优先筛选高风险函数并生成覆盖性测试用例。该方法显著提升缺陷检测准确率,增加了测试覆盖率,适用于企业级复杂软件系统。
技术关键词
程序依赖图
缺陷预测方法
异构
神经网络模型
多任务联合训练
动态插桩
抽象语法树
注意力机制
缺陷预测系统
节点
高风险
测试覆盖率
序列
编码
对源代码
连续特征
企业级
系统为您推荐了相关专利信息
系统优化方法
循环水泵
MODBUS通讯协议
机组
大数据
云测试平台
总线测试设备
测试终端
设备管理模块
图像分析模块
车况数据
车辆行驶数据
生成控制指令
神经网络模型
模块
电站巡检
无人机群协同
深度卷积神经网络
巡检控制方法
无人机路径规划