2023 Fiscal Year Annual Research Report
機械学習に基づくデータ駆動型ソフトウェア信頼性評価手法の開発
| Project/Area Number |
22K14440
|
|---|
| Research Institution | Tottori University |
|---|
Principal Investigator |
南野 友香 鳥取大学, 工学研究科, 准教授 (30778014)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Keywords | ソフトウェア信頼度成長モデル / 変化点検出 / Change Finder |
|---|
| Outline of Annual Research Achievements |
ソフトウェア品質/信頼性を定量的に評価するために用いられる従前のソフトウェア信頼度成長モデルは，テスト環境が一定であり，フォールト発見過程の傾向に変化がないことを前提に構築されている．しかし，実際のテスト環境では，種々の要因により変化点が生じている．変化点は，従前のソフトウェア信頼度成長モデルに基づく信頼性評価の精度に影響を与えるといわれ，これまでに変化点を考慮したモデルが提案されてきた．しかし，開発管理者が意図的にテスト環境を変化させたことにより発生した変化点を取り扱うことが多く，フォールト発見過程の統計的変化点については，その検出手法を含め，研究蓄積が少ない．このような背景から，本研究では機械学習の変化点検出エンジンであるChange Finderを用いて，フォールト発見数データから変化点を検出した．Change Finderとは，時系列データから外れ値と変化点を区別したうえで，データの傾向が急激に変化する時刻を検知する異常検知手法の1つである．本研究では，開発管理者によってテスト環境が変化した時刻が既知であるフォールト発見数データを用いた．発生時刻が既知の変化点が検出された場合は，開発管理者によりテスト環境が変化し，フォールト発見過程に統計的変化が生じたものと判断した．それ以外の変化点が検出された場合は，その他の何らかの要因によりフォールト発見過程に統計的変化が生じたものと判断した．検出結果は，変化点を考慮したモデルに適用し，既知の変化点を適用した場合と比較してモデル精度が向上するかどうかを検証した．さらに，Change Finderの汎用性を確認するため，種々のプロジェクトで得られたデータを用いて検証を行い，概ねモデル精度を向上させる有効な統計的変化点が検出できることを明らかにした．このことから，Change Finderの有効性が高いことを確認した．
|
