Autorepairability: creating and disseminating a new software quality indicator
| Project/Area Number |
21K18302
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Pioneering)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 60:Information science, computer engineering, and related fields
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
肥後 芳樹 大阪大学, 大学院情報科学研究科, 教授 (70452414)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
林 晋平 東京工業大学, 情報理工学院, 准教授 (40541975)
松本 真佑 大阪大学, 大学院情報科学研究科, 助教 (90583948)
|
|---|
| Project Period (FY) |
2021-07-09 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥24,440,000 (Direct Cost: ¥18,800,000、Indirect Cost: ¥5,640,000)
Fiscal Year 2024: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2023: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
Fiscal Year 2022: ¥7,670,000 (Direct Cost: ¥5,900,000、Indirect Cost: ¥1,770,000)
Fiscal Year 2021: ¥7,280,000 (Direct Cost: ¥5,600,000、Indirect Cost: ¥1,680,000)
|
|---|
| Keywords | 自動プログラム修正 / ミューテーションテスティング / プログラム解析 / 自動修正適合性 / テスト自動生成 / ソフトウェア品質 / 欠陥限局 |
|---|
| Outline of Research at the Start |
本研究で提案する自動修正適合性とは，対象ソフトウェアとAPR技術との親和性を表すソフトウェアの新しい品質指標である．自動修正適合性に関して，本研究では以下の三項目に取り組む．項目Aではソースコードの実装方法がAPRの成功／失敗に影響があることを明らかにする．項目Bではバグの特徴に基づいて自動修正適合性を自動計測する手法を考案する．項目Cでは自動修正適合性が低いプログラムを高いプログラムへと自動変換する手法を考案する．
|
| Outline of Annual Research Achievements |
2022年度は自動修正適合性を評価するための大規模データセットの構築に取り組んだ．2021年に作成した小規模データセットでは対象ソースコードは約3000万行であったが，2022年度のデータセットは約3億1400万行のソースコードを対象に構築した．小規模データセットを作成した際の知見を生かし，Evosuiteがテストケースを生成できたメソッドであっても少数のテストケースのみが生成された場合はそのメソッドを目視確認対象から外すことや，目視確認を一人ではなく三人により行うことにより，より効率的により精度高いデータセットの構築を試みた．作成したデータセットはGitHubにて公開されている（https://github.com/YoshikiHigo/FEMPDataset）．
また構築したデータセットの有用性を確かめるために，既存のクローン検出手法の評価を行った．構築したデータセットには目視確認により機能が等しいと判断されたメソッドのペアと，目視確認により機能が等しくないと判断されたメソッドのペアが存在している．前者はクローンとして見つけ，後者はクローンとして見つけないことが望ましい．この実験の結果，字句解析に基づく検出手法では検出できない機能等価メソッドが多く存在すること，および，抽象構文木と深層学習に基づく検出手法では機能等価でないメソッドを誤検出してしまう傾向が強いことがわかった.
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究遂行にあたり特に問題は起こっておらず順調に進んでいる．
依然として新型コロナウイルスの影響により一部の国内会議や国際会議がオンラインでの発表にはなってしまったが，研究の進捗には影響ない．
|
| Strategy for Future Research Activity |
2023年度はどのような構造を持つプログラムが自動プログラム修正手法との親和性が高いのかを調査する．具体的には2022年度に構築したデータセットを利用して，各メソッドペアのそれぞれのメソッドの自動修正適合性の値を算出する．各メソッドペアは同じ機能を実装しているメソッドであるため，もし片方のメソッドの自動修正適合性が他方のメソッドの自動修正適合性が高いという計測結果が得られれば値が高いメソッドの構造の方が自動プログラム修正技術との親和性が高いことを意味する．この実験を大規模データセットに含まれる多くのメソッドペアに対して行い，プログラム構造と自動プログラム修正手法との関係を明らかにする．
また，自動修正適合性だけではなく，欠陥限局手法との親和性やメモリ使用料との関係など，他の項目についても調査を行いたい．
|
Report
(3 results)
Research Products
(28 results)
