Challenges, Adaptations, and Fringe Benefits of Conducting Software Engineering Research with Human Participants during the COVID-19 Pandemic
该研究通过调查89名软件工程研究人员并辅以访谈，揭示了疫情期间以人为参与者开展研究面临的挑战、适应措施及意外收益，并为混合环境下有效开展远程研究提出建议。
2024-01-11 cs.SE
Beyond Establishing the Four-Day Workweek: Understanding Adaptation and Long-Term Survival in an Agile Software Organization
University of Applied Sciences & Arts Hannover（汉诺威应用科学与艺术大学）；Blekinge Institute of Technology（布莱金厄理工学院）
本研究通过纵向案例揭示四天工作制在敏捷软件组织中需持续适应而非一次性引入，并提出生命周期模型与存续矩阵解释其长期存续机制。
2026-09-14 cs.SE
Enhancing Software Development Process Using Automated Adaptation of Object Ensembles
软件开发一直在快速变化。这个开发过程可以通过改变开发人员友好的方法来影响。在软件开发过程中，如果能够自动引导程序员，可以节省开发时间，加快开发速度。有一些方法可以向开发人员推荐相关的代码片段和API项。一些方法应用通用代码、搜索技术，而一些方法使用基于在线存储库的挖掘策略。但是，当程序员需要解决特定的类型转换问题时，很难帮助他们。更具体地说，当他们想要根据他们的期望调整现有的接口时。在这种情况下，指导开发人员的一个常见的成功是通过对象集成的自动适应来适应集合和数组。但是，它如何帮助一个新手在实时的软件开发，没有明确规定？在本文中，我们已经开发了一个系统，作为一个插件工具集成到一个特定的数据采掘集成环境（DMIE）推荐相关的接口，而他们寻求一个类型转换的情况。我们有一个挖掘的存储库，其中包含相应的适配器类和相关的API，开发人员可以从其中搜索他们的查询，并使用相关的Transformer类获得结果。推荐开发人员的系统名为自动化目标集成（AOE插件）。从我们曾经做过的调查中，我们可以看到我们的方法比现有的一些方法要好得多。
2020-05-07 cs.SE
Model tree based adaption strategy for software effort estimation by analogy
背景：自适应技术是基于类比的估计的一个关键任务。目前的自适应技术通常使用线性大小或线性相似性调整机制，这通常不适合具有复杂结构和许多分类属性的数据集。此外，使用非线性自适应技术，如神经网络和遗传算法，需要许多用户交互和参数优化配置它们（如网络模型，神经元数量，激活函数，训练函数，变异，选择，交叉，.等）。目的：针对上述问题，本文提出了一种新的自适应策略，利用基于模型树的属性距离，通过类比调整估计，得到新的估计。模型树在处理分类属性、减少用户交互和通过分类提高模型学习效率方面具有优势。方法：七个众所周知的数据集已被用于3倍交叉验证，以经验验证所提出的方法。所提出的方法已经研究了使用各种K类比从1到3。结果如下：实验结果表明，与基于类比估计的线性尺寸自适应、线性相似性自适应、“回归均值”和空值自适应相比，该方法具有更好的效果。结论：模型树可以形成一个有用的扩展估计类比，特别是对复杂的数据集，大量的分类属性。
2017-03-11 cs.SE
Adoption and Adaptation of CI/CD Practices in Very Small Software Development Entities: A Systematic Literature Review
本文通过系统文献综述分析了超小型软件实体采用 CI/CD 的挑战与适配策略，指出 Jenkins、Docker、微流水线和 ISO 29110 等简化方案能有效帮助其在资源受限下提升竞争力与软件质量。
2024-09-29 cs.SE
Context Oriented Software Middleware
我们的中间件方法，面向上下文的软件中间件（COSM），支持上下文相关的软件具有自适应性和可靠性在移动计算环境。COSM中间件是一个通用的和平台无关的适应引擎，它执行的运行时组成的软件的上下文相关的行为的基础上的执行上下文。我们的中间件区分上下文相关和上下文无关的软件系统的功能。这使得COSM中间件能够通过组成一组面向上下文的组件来适应应用程序的行为，这些组件实现了软件的上下文相关功能。因此，通过考虑COSM中间件的功能和适配影响/成本来实现软件可靠性。COSM中间件使用一个动态的基于策略的引擎来评估适应输出，并验证适应输出与应用程序的目标，目标和架构质量属性的适应性。这些能力是通过一个案例研究实施的实证评估证明的。
2019-01-13 cs.NE cs.SE
Multi-Agent Systems for Dataset Adaptation in Software Engineering: Capabilities, Limitations, and Future Directions
The Hong Kong University of Science and Technology（香港科技大学）；University of Science and Technology of China（中国科学技术大学）
本文研究了多智能体系统在软件工程数据集适应中的能力与限制，发现提示干预能显著提升适应效果，为未来更可靠的智能体发展提供方向。
2025-11-26 cs.SE
Pre-Training on Software Engineering Texts: Effects on Domain Adaptation and General-Language Understanding
Faculty of Computer Science and Mathematics University of Passau（帕绍大学计算机科学与数学学院）
研究如何让语言模型适应软件工程文本，比较持续预训练和从头预训练，评估领域适应和通用语言理解。发现重用现有模型占优，CPT领域收益小，PTS代价大，还给出实用指南并发布相关资源。
2026-07-09 cs.SE
Efectividad de técnicas de prueba de software aplicadas por sujetos novicios de pregrado
这项工作的主要目标是检查可能的影响，使用新生科目的软件工程实验。特别是在这项工作中，我们报告的有效性测量的百分比观察到的和可观察到的缺陷的两个软件测试技术：黑盒和白盒。关于观察到的缺陷，两种技术都显示出约4%的有效性。就测试用例可观察到的缺陷而言，黑盒测试的有效性（21%）略高于白盒测试（16%），尽管这种差异并不显着。我们观察到一个相当缺乏的技术技能的主题，应用这两种软件测试技术。根据观察结果，我们建议雇用具有更多技术技能的学生进行软件工程实验。- El objetivo de este trabajo se centra en quartero los effectos que conlleva realizar experimentos en ingeniería de software（IS）empleando como sujetos experimentales a estudión de pregrado cursando su primer año de estudios de la carrera en ingeniería de software.在软件功能（caja negra）和结构（caja blanca）方面，特别是在软件功能（caja negra）和结构（caja blanca）的技术缺陷和可观察性方面，这种做法是有效的。相对于观测到的缺陷，技术改进的…
2015-04-30 cs.SE
Dynamic Adaptation of Software-defined Networks for IoT Systems: A Search-based Approach
物联网（IoT）的概念导致了许多复杂和关键系统的发展，例如智能应急管理系统。支持IoT的应用程序通常依赖于通信网络，以便在不可预测和不断变化的环境中传输大量数据。这些网络在存在突发需求时易于拥塞，例如，随着紧急情况的展开，因此依赖于可配置的软件定义网络（SDN）。在本文中，我们提出了一种动态自适应SDN配置方法的物联网系统。该方法能够实时的解决拥塞，同时最大限度地减少网络利用率，数据传输延迟和适应成本。我们的方法建立在现有的工作动态自适应搜索为基础的软件工程（SBSE）重新配置SDN，同时确保多个服务质量标准。我们评估了我们在工业国家应急管理系统上的方法，该系统旨在检测灾害和紧急情况，并通过为第一响应者提供可靠的通信基础设施来促进恢复和救援行动。我们的研究结果表明，（1）我们的方法能够有效地适应SDN动态解决拥塞，（2）与静态和非自适应的两种基线数据转发算法相比，我们的方法将数据传输速率提高了至少3倍，并将数据丢失减少了至少70%。
2020-05-15 cs.SE
Self-Adaptation in Industry: A Survey
计算系统构成了我们社会中许多领域的支柱，从制造业到交通控制，医疗保健和金融系统。当软件在设计、建造和运行中起着至关重要的作用时，这些系统被称为软件密集型系统。自适应为软件密集型系统配备了一个反馈回路，可以自动执行原本需要由人类操作员执行的任务，也可以处理不确定的条件。这种反馈回路已经在各种实际应用中找到了自己的方式;典型的例子是弹性云来调整计算资源和自动化服务器管理以快速响应业务需求。为了深入了解在实践中应用自适应的动机，使用自适应解决的问题以及如何解决这些问题，以及行业在采用自适应时面临的困难和风险，我们进行了大规模调查。我们收到了来自21个国家的从业人员的184份有效回复。基于对调查数据的分析，我们提供了一个基于经验的概述国家的实践中的应用自我适应。从这一点上，我们得到的见解，研究人员检查他们目前的研究与工业需求，并为从业者比较他们目前的实践中应用自适应。这些见解也为自适应在实践中的应用提供了机会，并为未来的产学研合作铺平了道路。
2022-11-06 cs.SE
Reimagining Self-Adaptation in the Age of Large Language Models
针对传统机器学习驱动的软件自适应技术存在的训练样本依赖、泛化能力有限等问题，本文提出利用大语言模型（LLMs）提升架构自适应的有效性与效率，通过类人推理生成上下文感知的自适应策略，SWIM系统案例验证了其应用潜力。
2024-04-15 cs.SE
On Test Sequence Generation using Multi-Objective Particle Swarm Optimization
本文将测试序列生成建模为同时优化路径与Oracle成本的多目标问题，采用MOPSO生成高优先级、低成本测试序列，并证明其优于MOFA。
2024-04-09 cs.SE
Specification Architectural Viewpoint for Benefit-Cost-Risk-Aware Decision-Making in Self-Adaptive Systems
在过去的二十年里，研究人员和工程师已经广泛研究了如何使软件系统能够处理不确定的操作条件的问题。这个问题的一个突出解决方案是自适应，它为软件系统配备了一个反馈回路，可以解决操作过程中的不确定性，并在必要时调整系统以处理它们。到目前为止，大多数自我适应办法都使用侧重于实现一系列目标的决策机制，即，选择具有最佳估计效益的适应选项来执行。一些方针还考虑了执行候选适应备选办法的估计（一次性）费用。我们认为，除了效益和成本，在自适应系统的决策还应考虑估计的风险，系统或其用户将暴露于如果选择执行的适应选项。在评估适应备选办法和减少不确定性时，必须平衡所有三个因素，这不仅是为了满足利害关系方的关切，而且也是为了确保自适应系统的安全和公众接受。在本文中，我们提出了一个ISO/IEC/IEEE 42010兼容的架构的观点，认为估计的利益，成本和风险的核心因素，每个自适应选项考虑自适应。该观点的目的是支持软件架构师负责设计强大的自适应系统的决策机制。
2022-11-30 cs.SE
Black-Box Bug-Amplification for Multithreaded Software
针对并发系统缺陷难以复现的问题，提出黑盒缺陷放大方法，利用回归模型集成引导搜索，在17个缺陷数据集上显著提升缺陷发生率，并提供了非侵入性测试框架。
2025-07-28 cs.SE
Software Engineering for Intelligent and Autonomous Systems: Report from the GI Dagstuhl Seminar 18343
软件系统越来越多地用于以不确定环境、不断变化的需求和意外故障为特征的应用领域;突然的系统故障会引起严重的安全性、舒适性或收入损失问题。在操作期间，这些系统可能需要处理若干不可预测的情况，包括系统性能的变化、系统工作量的突然变化和组件故障。这些情况可能导致偏离期望的系统行为，并且需要系统行为、参数或架构的动态适应。通过使用通常用软件实现的闭环控制，智能和自主软件系统可以通过识别异常情况、分析替代适应选项以及最终自适应到合适的新配置来动态地自适应，而无需任何或有限的人类参与。本报告总结了SEfIAS GI Dagstuhl研讨会期间开展的研究，该研讨会为SEAMS，ICAC/ICAC，SASO，Self-Aware Computing和AAMAS研究社区的早期职业研究人员和从业人员提供了加强互动和合作的论坛。
2019-04-03 cs.SE
A Game-Theoretical Self-Adaptation Framework for Securing Software-Intensive Systems
针对软件密集型系统的安全攻击越来越普遍，这就要求有新的、有效的方法来检测和响应这些攻击。作为一种有前途的方法，博弈论提供了分析工具，系统和敌对环境之间的相互作用建模和设计可靠的防御。在本文中，我们提出了一种使用严格的博弈理论框架来保护软件密集型系统的方法。首先，自适应框架部署在基于组件的软件密集型系统，定期监测系统的异常行为。提出了一种基于学习的方法来检测系统组件上可能正在进行的攻击，并预测组件的潜在威胁。然后，一个算法被设计成自动建立一个\emph{Bayesian game}的基础上的系统架构（其中的一些组件可能已经受到损害），一旦检测到攻击，其中的系统组件被建模为独立的球员在游戏中。最后，通过求解贝叶斯博弈来计算最优防御策略，以实现最佳的系统效用，即最小化攻击的影响。我们进行了两组实验上的两个一般的基准任务的安全域。此外，我们系统地介绍了一个真实世界的水处理试验台，即安全水处理系统的案例研究。实验结果表明了该方法的适用性和有效性。
2021-12-12 cs.GT cs.SE
Learning Self-adaptations for IoT Networks: A Genetic Programming Approach
物联网（IoT）是应用领域的关键技术，需要大量设备之间的连接和互操作性。物联网系统主要使用软件定义网络（SDN）架构作为其核心通信骨干。这种架构提供了几个优势，包括通过软件可编程性使物联网网络自适应的灵活性。一般来说，自适应解决方案需要周期性地监视、推理和适应正在运行的系统。自适应步骤包括生成自适应策略，并在出现异常时将其应用于运行的系统。在本文中，我们认为，而不是产生个人的适应策略，目标应该是适应逻辑/代码的运行系统的方式，系统本身将学习如何避开未来的异常，而不会触发自适应太频繁。我们在物联网网络的背景下实例化并实证评估了这一想法。具体而言，使用遗传编程（GP），我们提出了一种自适应解决方案，不断学习和更新基于SDN的物联网网络的数据转发逻辑中的控制结构。我们使用开源合成和工业数据进行的评估表明，与尝试生成个体适应的基线适应技术相比，我们基于GP的方法在解决网络拥塞方面更有效，并且随着时间的推移降低了适应干预的频率。此外，我们将我们的方法与网络文献中的标准数据转发算法进行比较，表明我们的方法显着减少了数据包丢失。
2022-05-09 cs.SE
Using POMDP-based Approach to Address Uncertainty-Aware Adaptation for Self-Protecting Software
本文提出一种基于POMDP和贝叶斯学习的不确定性感知自适应MTD决策引擎，以解决运行时不确定性下自保护软件防御决策缺乏自适应的问题，并通过初步研究验证其有效性。
2023-08-09 cs.SE cs.SY eess.SY
Adapting Software Quality Models: Practical Challenges, Approach, and First Empirical Results
度量和评价软件质量已成为一项基本任务。已经提出了许多模型来支持利益相关者处理软件质量。然而，在大多数情况下，质量模型并不完全适合目标应用程序上下文。由于有效地适应质量模型的方法在很大程度上是缺失的，许多质量模型在实践中是从头开始构建的，或者只重用现有模型的高级概念。我们提出了一个工具支持的方法，有效地适应质量模型。初步的实证调查表明，应用所提出的方法获得的质量模型是相当一致的，适当的适应比那些获得一个特设的方法。此外，我们可以观察到，当使用这种方法时，模型自适应的效率明显更高（约8倍）。
2013-12-04 cs.SE
Standardization of information systems development processes and banking industry adaptations
本文探讨了目前的系统开发过程中的三个主要的土耳其银行在遵守国际公认的系统开发和软件工程标准，以确定银行的共同过程中的问题。通过对系统开发和软件工程标准的深入研究，选择了相关的基于过程的标准。然后准备问题，涵盖整个系统的开发过程中，应用经典的瀑布生存周期模型。每个问题都是由国际系统开发标准的指导和建议组成的。为了收集数据，对土耳其三家主要银行的信息技术部门的人员进行了采访。通过对三家银行的当前流程状况进行审查，汇总了结果。使用国际系统开发标准查明了有问题的问题。
2011-05-23 cs.SE
A language for feedback loops in self-adaptive systems: Executable runtime megamodels
自适应软件的开发需要设计适当的反馈循环，其中自适应逻辑控制底层软件。适配逻辑通常通过使用表示底层软件的运行时模型以及诸如在这些运行时模型上操作的分析和规划的步骤来描述适配。为了系统地解决这种相互作用，已经提出了运行时大模型，其是将自身的运行时模型作为其元素并且还捕获多个运行时模型之间的关系的特定运行时模型。在本文中，我们更进一步，并提出了一个建模语言的运行时megamodels，大大简化了开发的自适应逻辑提供了一个特定领域的建模方法和运行时解释器的这部分自适应系统。这通过显式地和在更高的抽象级别上对反馈回路进行建模来支持开发。此外，它允许构建复杂的解决方案，其中多个反馈循环相互作用或相互作用，这是通过在运行时保持megamodel的显式和活跃以及解释它们来利用的。
2018-05-17 cs.SE
Viable Algorithmic Options for Creating and Adapting Emergent Software Systems
考虑到现代软件系统的复杂性，这样的系统能够自主地修改自身是非常重要的，即，自我适应，最少的人的监督。关键是，这种适应既能产生可靠的系统，又能在所需的内存和运行时间方面合理地扩展到非平凡系统。在本文中，我们应用计算复杂性分析，以评估算法选项的可靠创建和适应紧急软件系统相对于几种流行类型的精确和近似有效的可解性。我们表明，这两个问题是可解的所有输入时，没有限制的软件系统结构。当软件系统被限制在多项式时间内运行（因此可以根据系统要求进行验证）时，这种棘手性仍然相对于所有检查类型的有效精确和近似可解性保持不变。此外，我们的两个问题时，这样的限制仍然棘手的各种额外的限制下的软件系统结构，无论是单独的和在许多组合。话虽如此，我们也给出了一套额外的限制，这两个问题，以及间接证据表明，紧急软件系统适应计算上比紧急软件系统创建更容易。
2022-05-12 cs.CC cs.SE
Analyser Framework to verify Software Component
今天，软件公司在短时间内建立软件系统，以降低成本并拥有良好的市场地位是很重要的。因此，需要有组织和系统的发展办法。重用经过良好测试的软件组件可以有效地开发软件应用程序。软件组件的重用比从头开始的开发成本更低，耗时更少。但是，认为软件组件可以毫无问题地匹配在一起是危险的。当然，软件组件本身经过了良好的测试，但即使它们组合在一起，也会出现问题。大多数问题都是基于相互作用和交流。为了避免这种错误，必须开发一个分析软件组件的框架。该框架决定了相应的软件组件的兼容性。这里讨论的有前途的方法，提出了一种新的技术，分析软件组件通过应用抽象语法树（ASLT）。将设计一个支持性环境，检查黑盒软件组件的兼容性。本文讨论了如何利用分析器框架验证耦合软件构件的问题，并确定了ASLT的使用方法。黑盒软件构件和抽象语义树是开发该框架的基础，并在这里进行讨论，以提供背景知识。该框架的实际实现进行了讨论，并显示了使用测试环境的结果。
2009-06-09 cs.SE
An Empirical Study of Downstream Adaptation for Agent Skills
King’s College London（伦敦国王学院）；Tsinghua University（清华大学）
研究大语言模型智能体技能下游适配，分析六个技能库的1126个适配实例，构建含46种模式的分类法，揭示重用悖论，发现适配相互依赖及近五分之一适配引入安全敏感内容，为改进技能设计等提供启示。
2026-07-07 cs.SE
White-Box Performance-Influence Models: A Profiling and Learning Approach
许多现代软件系统是高度可配置的，允许用户调整它们的性能等。当前的性能建模方法旨在通过以黑盒方式构建性能模型来找到性能最优的配置。虽然这些模型提供了准确的估计，但它们无法将观察到的性能行为的原因精确地定位到特定的代码区域。这不仅妨碍了对系统的理解，而且使跟踪配置选项对各个方法的影响变得复杂。我们提出了一个白盒方法，模型配置相关的性能行为在方法级别。这使我们能够预测配置决策对单个方法的影响，支持系统理解和性能调试。该方法包括两个步骤：首先，我们使用粗粒度的分析器，并学习所有方法的性能影响模型，可能会识别出一些对配置和性能高度敏感的方法，从而导致预测不准确。其次，我们使用细粒度的分析器重新测量这些方法，并以更高的成本学习更准确的模型。通过9个真实的Java软件系统，我们证明了我们的方法可以有效地识别配置相关的方法，并学习准确的性能影响模型。
2021-02-12 cs.SE
Exploring Viable Algorithmic Options for Automatically Creating and Reconfiguring Component-based Software Systems: A Computational Complexity Approach (Full Version)
基于协同的开发（CBD）是一种降低创建软件系统成本的流行方法。然而，目前尚不清楚《生物多样性公约》核心组成部分的选择和调整活动在多大程度上可以有效和可靠地自动运作，也不清楚在何种情况下（如果有的话）《生物多样性公约》比其他软件开发办法更可取。在本文中，我们使用计算复杂性分析，以确定和比较的计算特性的全自动组件为基础的软件系统创建和重新配置的从头设计，组件选择，组件选择与适应。我们的研究结果表明，这些方法都可以实现有效和可靠地运行在一个完全自动的方式，无论是在一般或相对于一些限制软件系统，系统要求，组件和组件的适应。我们还给出了所有这些方法都可以实现有效和可靠操作的限制。因此，本文说明了如何不同类型的计算复杂性分析（特别是，参数化的复杂性分析）可以用来系统地探索算法的选择，实现自动活动在软件工程。
2022-05-10 cs.CC cs.SE
Revisiting Software Engineering Education in the Era of Large Language Models: A Curriculum Adaptation and Academic Integrity Framework
本文提出一个理论框架，分析生成式AI如何改变软件工程能力，并推动教育模式向过程透明度转变，以应对大语言模型时代教育与实践的不匹配问题。
2026-01-18 cs.AI cs.SE
On the adaptation of context-aware services
由Beyond 3G网络授权的无处不在的网络使得移动用户可以通过资源受限的设备访问跨异构基础设施的网络软件服务。异构性和设备限制为移动服务的开发和部署带来了严重的问题，这些移动服务能够在执行上下文上正确地运行，并且能够确保用户根据他们的需求和特定的使用上下文体验到可能的“最佳”服务质量。为了解决这些问题，适应性服务的概念在软件社区中越来越多地出现。在本文中，我们描述了如何CHAMELEON，一个声明性的框架，定制自适应服务，使用IST塑料项目，其目标是快速，方便的开发/部署自适应服务的B3 G网络。
2015-04-28 cs.SE
Flakify: A Black-Box, Language Model-based Predictor for Flaky Tests
软件测试确保代码变更不会对现有功能产生不利影响。然而，测试用例可以是可扩展的，即，在执行过程中传递和失败，即使是同一版本的源代码。不稳定的测试用例会给软件开发带来额外的开销，因为它们会导致不必要的调试生产或测试代码的尝试。最先进的基于ML的测试用例预测器依赖于预定义的功能集，这些功能集要么是特定于项目的，要么需要访问生产代码，而软件测试工程师并不总是可以访问生产代码。因此，在本文中，我们提出了Flakify，一个黑盒，语言模型为基础的预测器，用于测试用例。Flakify完全依赖于测试用例的源代码，因此不需要（a）访问生产代码（黑盒），（b）检查测试用例，（c）预定义功能。为此，我们采用了CodeBERT，一个预先训练好的语言模型，并对其进行了微调，以使用测试用例的源代码来预测JavaScript测试用例。我们在两个公开的数据集（FlakeFlagger和IDoFT）上评估了Flakify的测试用例，并使用两种不同的评估程序（交叉验证和按项目验证）将我们的技术与FlakeFlagger方法进行了比较。Flakify在使用交叉验证和按项目验证的两个数据集上都获得了很高的F1分数，并且在FlakeFlagger数据集上进行评估时，在精度和召回率方面分别超过了FlakeFlagger 10和18个百分点，从而减少了不必要的调试测试用例和生产代码的成本。当用于预测新项目的测试用例时，Flak…
2022-08-16 cs.SE
Self-sustaining Software Systems (S4): Towards Improved Interpretability and Adaptation
University of Cambridge（剑桥大学）
针对现代软件复杂性导致的可解释性与适应性不足，本文提出自维持软件系统S4，通过在所有知识源间构建知识循环来增强自主理解与动态适应能力。
2024-01-21 cs.AI cs.SE cs.SY
Automated Black-Box Boundary Value Detection
软件系统的输入域通常可以划分为输出相似的子域。为了确保高质量，在这些子域之间的边界上测试软件至关重要。因此，边界值分析和测试长期以来一直是软件测试人员工具箱的一部分，并且通常很早就教给学生。然而，尽管有许多争论的好处，给定规范或软件的边界值分析通常以抽象术语描述，这允许测试人员如何应用它。在这里，我们提出了一种自动化的黑盒边界值检测方法，以支持软件测试人员进行系统的边界值分析并获得一致的结果。该方法建立在一个度量标准上，以量化测试输入的边界性水平：程序导数。通过将其与搜索算法相结合，我们发现并将输入对列为良好的边界候选者，即输入靠近但输出远离。我们实现了我们的AutoBVA方法，并在一个精选的示例程序数据集上对其进行评估。我们的研究结果表明，即使是一个简单的和通用的程序衍生的变体与广泛的采样在输入空间相结合，有趣的边界候选人可以确定。
2022-07-19 cs.IT cs.SE math.IT
On-the-Fly Input Adaptation for Reliable Code Intelligence
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
本文提出了一种基于实时输入适应的策略，通过输入验证和输入适应两个阶段来提升代码语言模型在多样化的代码理解任务中的性能，无需修改参数或额外监督，从而减少误预测并提高模型可靠性。
2026-05-19 cs.SE
CARP: Context-Aware Reliability Prediction of Black-Box Web Services
可靠性预测是软件可靠性工程中的一项重要任务，在过去的几十年中得到了广泛的研究。然而，建模和预测用户感知的可靠性的黑箱服务仍然是一个开放的研究问题。软件服务，如Web服务和Web API，通常通过互联网向用户提供黑盒功能，从而导致缺乏其内部信息进行可靠性分析。此外，用户感知的服务可靠性不仅取决于服务本身，而且在很大程度上取决于调用上下文（例如，服务工作负载、网络条件），从而传统的可靠性模型变得无效和不合适。为了解决这些新的挑战所带来的黑盒服务，在本文中，我们提出了CARP，一个新的contextaware可靠性预测方法，利用历史使用数据从用户构建上下文感知的可靠性模型，并进一步提供在线可靠性预测结果给用户。通过上下文感知的可靠性建模，CARP能够缓解数据稀疏性问题，严重限制了其他现有方法的预测精度。初步评估结果表明，CARP能显著提高可靠性预测精度，当只有5%的数据可用时，MAE约为41%，RMSE约为38%。
2018-12-30 cs.SE
Model-checking Driven Black-box Testing Algorithms for Systems with Unspecified Components
基于组件的软件开发对系统验证提出了严峻的挑战，因为外部获得的组件可能是系统故障的新来源。这个问题不能完全解决，无论是模型检验或传统的软件测试技术单独由于以下几个原因：1）外部获得的组件通常是未指定/部分指定; 2）它通常是很难建立一个充分的标准来测试一个组件; 3）组件可以用来动态升级系统。本文介绍了一种新的方法（称为{ \em模型检查驱动的黑盒测试}），它将模型检验与传统的黑盒软件测试相结合，以一种完整、可靠和自动的方式来解决这个问题。其思想是，相对于一些要求（表示在CTL或LTL）的系统，使用模型检验技术，以获得一个条件（表示在通信图）为一个未指定的组件，使系统满足的要求，如果该条件是由组件满足，并可以通过测试组件的测试用例生成的条件上的飞行。在本文中，我们提出模型检验驱动的黑盒测试算法来处理CTL和LTL的要求。我们还通过一些例子来说明这个想法。
2004-04-19 cs.LO cs.SE
A Hybrid Approach Combining Control Theory and AI for Engineering Self-Adaptive Systems
控制理论技术已经成功地被采用作为自适应系统设计的方法，以提供自适应机制的有效性和鲁棒性的形式保证。然而，当涉及到动态适应时，获得保证的计算工作带来了严重的限制。为了解决这些局限性，在本文中，我们提出了一种混合的方法结合软件工程，控制理论，和人工智能设计的软件自适应。我们的解决方案提出了一个层次化和动态的系统管理器与性能调优。由于高层需求规范和被管理系统的内部旋钮行为之间的差距，分层组成的组件体系结构寻求关注点的分离，以实现动态解决方案。因此，设计了一个两层的自适应管理器，通过回归分析和进化元启发式参数优化，以满足软件需求。优化依赖于性能、有效性和鲁棒性指标的收集和处理，以控制离线和在线阶段的理论指标。我们评估我们的工作与原型的身体传感器网络（BSN）在医疗保健领域，这在很大程度上是作为一个示范由社区。BSN是在机器人操作系统（ROS）架构下实现的，并考虑系统的可靠性作为自适应目标。我们的研究结果加强了在这样一个安全关键领域表现良好的必要性，并提供了大量证据，说明将控制和基于人工智能的技术相结合的混合方法如何用于工程自适应系统，可以提供有效的适应。
2020-04-24 cs.SE
Constrained Adversarial Learning for Automated Software Testing: a literature review
ISep
本综述梳理了应用于对抗学习与软件测试的约束数据生成方法研究现状，体系化分析不同测试场景方法的优劣势，为用对抗测试优化测试工具、提升系统鲁棒性提供指导。
2025-05-19 cs.LG cs.SE
Black-box Integration of Heterogeneous Modeling Languages for Cyber-Physical Systems
RWTH Aachen University（亚琛工业大学）
机器人属于一类信息物理系统，其中复杂的软件作为移动终端必须在复杂的环境中完成任务。为分析和代码生成而对机器人应用程序进行建模需要用于逻辑软件架构和系统行为的建模语言。MontiArcAutomaton建模框架集成了六种独立开发的建模语言来建模机器人应用程序：组件和连接器架构描述语言，自动机，I/O表，类图，OCL和Java DSL。我们描述了我们如何将这些语言集成到MontiArcAutomaton的一个后验的黑盒集成方式。
2014-09-08 cs.RO cs.SE
K-ASTRO: Structure-Aware Adaptation of LLMs for Code Vulnerability Detection
Vanderbilt University（范德比大学）
K-ASTRO提出轻量级Transformer模型，结合LLM语义嵌入与AST结构特征，通过变异测试增强和结构感知注意力机制，在三个大型数据集上实现高效准确的代码漏洞检测，并支持CPU快速推理。
2025-10-13 cs.LG cs.SE
Deep State Inference: Toward Behavioral Model Inference of Black-box Software Systems
University of Calgary（卡尔加里大学）；University of Sheffield（谢菲尔德大学）
许多软件工程任务，如测试和异常检测可以从推断软件的行为模型的能力中受益。在本文中，我们研究了一个黑盒的情况下，分析下的系统不能仪表，在这种粒度的方式。这种情况下是特别普遍的控制系统的日志分析的形式，连续的信号。在这种情况下，执行跟踪相当于输入和输出信号的多变量时间序列，其中系统的不同状态对应于时间序列中的不同“阶段”。主要的挑战是检测这些相变何时发生。不幸的是，大多数现有的解决方案要么是单变量的，对数据分布做出假设，要么学习能力有限。因此，我们提出了一种混合深度神经网络，它接受多变量时间序列作为输入，并应用一组卷积和递归层来学习信号和模式之间随时间的非线性相关性。我们展示了这种方法如何用于准确检测状态变化，以及如何将推断出的模型成功地应用于迁移学习场景，以准确地处理来自具有相似执行特征的不同产品的跟踪。两个无人机自动驾驶仪案例研究的实验结果表明，我们的方法是高度准确的（状态分类的F1得分超过90%），并显著改善基线（对于变化点检测，高达102%）。使用迁移学习，我们还表明，在开放环境中，高达90%的最大可实现F1分数，源案例研究可以通过重用来自工业案例的训练模型并且仅使用低至5个标记样本对它们进行微调来实现，这将手动标记工作减少了98%。
2021-10-12 cs.LG cs.SE
A Black-box Testing Framework for Oracle Quantum Programs
Institute of High Energy Physics, Chinese Academy of Science（中国科学院高能物理研究所）；Kyushu University（九州大学）
本文提出一个黑盒测试框架，用于测试通用量子 oracle 程序，通过定义程序并建立理论基础，开发原型工具并进行实验验证，以提高量子软件的可靠性。
2026-03-17 cs.SE quant-ph
FuzzTheREST: An Intelligent Automated Black-box RESTful API Fuzzer
Porto School of Engineering (ISEP)（波尔图工程学院（ISEP））；Research Group on Intelligent Engineering and Computing for Advanced Innovation and Development (GECAD)（智能工程与先进创新发展计算研究组（GECAD））
提出基于强化学习的黑盒RESTful API模糊测试工具FuzzTheREST，利用OpenAPI规范和场景文件驱动测试，在Petstore API上发现六个漏洞并达到55%代码覆盖率。
2024-07-19 cs.AI cs.LG cs.SE
Transducer Tuning: Efficient Model Adaptation for Software Tasks Using Code Property Graphs
School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院）
本文提出Transducer Tuning方法，利用代码属性图（CPGs）通过图向量化引擎和基于注意力的融合层将结构信息融入代码嵌入，在减少高达99%可训练参数的同时，实现与全参数微调及其他方法相媲美的下游代码任务性能。
2024-12-18 cs.AI cs.CL cs.SE
AgentLogs: A Dataset for Opening the Black Box of Cloud Agents on GitHub
Radboud University（拉德堡德大学）；Nara Institute of Science and Technology（奈良科学技术研究所）
该研究推出AgentLogs数据集，包含GitHub上35810个热门仓库的智能体任务、会话及6400余万条日志，可用于研究智能体行为、协作等，填补了智能体贡献过程数据的空白。
2026-10-27 cs.AI cs.SE
Modeling Uncertainty and Evolving Self-Adaptive Software: A Fuzzy Theory Based Requirements Engineering Approach
Institute of Mathematics, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）；Key Laboratory of High Confidence Software Technologies (MoE), Peking University（北京大学高可信软件技术教育部重点实验室）；Software Engineering Dept., College of Computer Science and Information Technology, Guangxi Normal University（广西师范大学计算机科学与信息技术学院软件工程系）
本文提出基于模糊理论的方法，用于建模软件不确定性并实现进化。通过四种推理模式，结合控制理论视角，解决需求不确定性和上下文不确定性的挑战。
2017-04-04 cs.SE cs.SY eess.SY
Safety and Performance, Why Not Both? Bi-Objective Optimized Model Compression against Heterogeneous Attacks Toward AI Software Deployment
Peking University（北京大学）；Shanghai University of Finance and Economics（上海财经大学）
针对AI模型压缩后易受攻击的问题，提出测试驱动稀疏训练框架SafeCompress，通过模拟攻击机制进行安全测试，在保持性能的同时实现安全压缩，有效抵御异构成员推理攻击。
2024-01-02 cs.AI cs.CR cs.SE
The Three Pillars of Machine Programming
Intel Labs（英特尔实验室）；MIT（麻省理工学院）
在这份立场文件中，我们通过对三大研究支柱的分类检查来描述我们对机器编程未来的愿景。这些支柱是：（i）意图，（ii）发明，（iii）适应。意图强调人与计算机和计算机与机器学习接口的进步。发明强调通过机器学习（ML）创建或改进算法或核心硬件和软件构建块。适应强调在使用基于ML的构造来自主地演化软件方面的进步。
2021-06-26 cs.AI cs.PL cs.SE
