Proceedings of the First Workshop on Program Transformation for Programmability in Heterogeneous Architectures
本卷包含PROHA 2016的会议记录,这是2016年3月12日在西班牙巴塞罗那举行的第一次关于异构体系结构中可编程性的程序转换的研讨会,作为CGO 2016的附属研讨会,第14届代码生成和优化国际研讨会。开发和维护异构体系结构的高性能应用程序和库,同时保留其语义并具有合理的效率是一项耗时的任务,通常只有专家才有可能。它通常需要手动调整顺序的、与平台无关的代码以适应不同的基础设施,并保持所有这些基础设施中的更改同步。这些程序修改任务成本高且容易出错。当然,帮助并在可能的情况下自动化这种转换的工具是非常感兴趣的。然而,这样的工具可能需要显著的推理和知识处理能力,包括例如能够处理一段代码的语义的机器可理解的描述;在它们适用的上下文中执行程序变换;使用策略来标识导致最佳结果代码的变换序列;以及其他。
2016-03-10 cs.DC cs.PL cs.SE
Evaluation of Generalizability of Neural Program Analyzers under Semantic-Preserving Transformations
University of Houston(休斯顿大学)
丰富的公开源代码库,结合神经网络的进步,使数据驱动的方法程序分析成为可能。这些方法称为神经程序分析器,使用神经网络来提取程序中的模式,用于从开发生产力到程序推理的任务。尽管神经程序分析器越来越受欢迎,但其结果的可推广程度尚不清楚。在本文中,我们使用七个语义等价的程序变换对两个流行的神经程序分析器的泛化能力进行了大规模的评估。我们的研究结果警告说,在许多情况下,神经程序分析器不能很好地概括,有时程序的文本差异可以忽略不计。这些结果为神经程序分析器中的鲁棒性量化提供了初步的基础。
2021-03-18 cs.LG cs.PL cs.SE
Program Understanding: A Reengineering Case for the Transformation Tool Contest
在软件再工程中,核心工件之一是遗留系统的源代码。事实上,在大多数情况下,它是唯一确定的工件,因为随着时间的推移,代码已经偏离了原始的架构和设计文档。任何再工程项目的第一个任务是收集对系统架构的理解。因此,一种常见的方法是使用解析器将源代码翻译成符合实现系统的程序设计语言的抽象语法的模型,然后可以对其进行查询。除了查询之外,转换还可以用于生成系统架构上更抽象的视图。这个转换案例处理从Java语法图创建状态机模型。它是从一个真正的再工程项目中的一个任务衍生出来的。
2011-11-21 cs.PL cs.SE
Proceedings Fifth International Workshop on Verification and Program Transformation
本卷包含第五届验证和程序转换国际研讨会(VPT 2017)的会议记录。研讨会于2017年4月29日在瑞典乌普萨拉举行,隶属于欧洲软件理论与实践联合会议(ETAPS)。VPT研讨会系列的目的是提供一个论坛,来自程序转换和程序验证领域的人们可以富有成效地交换意见,并对这两个领域之间的相互作用有更深入的了解。在研讨会上宣读了七篇论文。此外,Javier Esparza(德国慕尼黑工业大学)、Manuel Hermenegildo(西班牙马德里IMDEA软件研究所)和Alexey Khoroshilov(俄罗斯莫斯科ISPRAS Linux验证中心)也应邀进行了三次演讲。
2017-08-23 cs.LO cs.PL cs.SE
Taming the Hydra: Targeted Control-Flow Transformations for Dynamic Symbolic Execution
Intel Corporation(英特尔公司);Virginia Tech(弗吉尼亚理工大学);University of Texas at Austin(德克萨斯大学奥斯汀分校);Purdue University(普渡大学)
本文提出一种非语义保持但失败保持的编译器转换,用于移除程序中的昂贵符号分支,以提升动态符号执行的可扩展性。通过检测虚假bug,该方法在多个基准程序和大型实际程序中显著提高了性能。
2026-03-28 cs.PL cs.SE
Proceedings of the 9th International Workshop on Verification and Program Transformation
上一次VPT 2020研讨会是为了纪念Alberto Pettorossi教授从罗马Tor Vergata大学学术退休而举办的。由于疫情,VPT 2020会议被取消,但其会议记录已出现在EPTCS 320卷中。联合VPT-20-21活动包含了VPT 2020的原始计划,并提供了一个机会,以满足和庆祝阿尔贝托·佩托罗西教授的成就;其计划进一步扩大了新提交的VPT 20 - 21演示文稿。VPT研讨会系列的目的是提供一个论坛,来自程序转换和程序验证领域的人们可以富有成效地交换意见,并对这两个领域之间的相互作用有更深入的了解。
2021-09-05 cs.PL cs.SC cs.SE
Towards Fully Declarative Program Analysis via Source Code Transformation
逻辑编程的进步和越来越多的工业采用Datalog启发的方法表明,越来越需要更容易地表达强大的代码分析。声明式程序分析框架(例如,使用逻辑编程(如Datasheet),与命令式实现相比,大大简化了定义分析。然而,这些框架的声明性好处只有在解析和翻译源代码以生成事实之后才能实现。事实生成仍然是分析的非声明性先驱,其中命令式实现首先解析和解释程序结构(例如,抽象语法树和控制流图)。因此,事实生成程序仍然不透明,非专家难以理解或修改。我们提出了一个新的视角,这个分析工作流程,提出声明性的事实生成,以减轻规范和探索轻量级声明性分析。我们的方法展示了跨多种语言的完全声明式分析规范的第一次冒险。其关键思想是使用声明性语法转换将源代码直接转换为分析域中的数据库事实。然后,我们在生成的事实上重用现有的Datasheet分析,产生端到端的声明性管道。作为第一近似,我们追求语法驱动的方法,并证明了生成和使用轻量级版本的活性和调用图可达性属性的可行性。然后,我们讨论了扩展声明性事实生成,也将语义信息的可操作性。
2021-12-23 cs.PL cs.SE
Different Maps for Different Uses. A Program Transformation for Intermediate Verification Languages
在基于定理证明器或SMT求解器的验证中,要验证的程序通常以中间验证语言给出,例如Boogie,Why或CHC。这种情况提出了新的挑战。我们调查了一个预处理步骤,它采取类似的作用,别名分析在验证中发挥作用,除了现在,一个(数学)映射是用来模拟内存或数组类型的数据对象。我们提出了一个程序转换,需要一个程序P到一个等价的程序P',这样,通过验证P',而不是P,我们可以减少的情况下分裂的数量的指数爆炸的负担。在这里,case分割是根据使用相同map变量的两个语句是否独立;如果它们是独立的,我们也可以使用两个不同的map变量,从而消除case分割的需要(这是程序转换背后的想法)。我们已经实现了程序转换,并表明,在理想的情况下,我们可以避免指数爆炸。
2019-01-07 cs.SE
Proceedings 9th Workshop on Horn Clauses for Verification and Synthesis and 10th International Workshop on Verification and Program Transformation
这些会议记录包括在第九届验证和合成霍恩条款研讨会和第十届验证和程序转换国际研讨会上提交的选定论文,这两个研讨会都隶属于ETAPS 2022。许多感兴趣的程序验证和综合问题可以直接使用Horn子句建模,CLP和CAV社区的许多最新进展都集中在有效地解决Horn子句提出的问题上。HCVS系列研讨会旨在汇集在约束/逻辑编程社区工作的研究人员(例如,ICLP和CP),程序验证(例如,CAV、TACAS和VMCAI)和自动演绎(例如,CADE,IJCAR),关于基于Horn子句的分析、验证和综合的主题。这些团体在不同的时期从不同的角度倡导关于核查和综合的霍恩条款,组织HCVS是为了促进互动和富有成效的经验交流和整合。VPT研讨会的目的是汇集在程序验证和程序转换领域工作的研究人员。这两个领域之间有很大的潜力进行有益的互动,因为:1)一方面,在程序转换领域开发的方法和工具,如部分评估,折叠/展开转换和超级编译,都已成功应用于验证无限状态和参数化系统。2)另一方面,模型检验,抽象解释,SAT和SMT解决和自动定理证明已被用来加强程序转换技术。此外,程序转换工具的正式认证,如自动重构工具和编译器,最近吸引了相当大的兴趣,提出了重大挑战。
2022-11-19 cs.LO cs.PL cs.SC
On the Generalizability of Neural Program Models with respect to Semantic-Preserving Program Transformations
University of Houston(休斯顿大学);Singapore Management University(新加坡管理大学);Visa Research(Visa研究院);The Open University(开放大学)
随着用于训练深度神经网络模型的公共可用源代码存储库的流行,神经程序模型可以在源代码分析任务中做得很好,例如预测给定程序中的方法名称,这是传统程序分析技术无法轻松完成的。虽然这种神经程序模型已经在各种现有的数据集上进行了测试,但它们在多大程度上推广到不可预见的源代码在很大程度上是未知的。由于在所有不可预见的程序上测试神经程序模型是非常具有挑战性的,因此在本文中,我们建议评估神经程序模型在语义保持转换方面的可推广性:可推广的神经程序模型应该在具有相同语义但具有不同词汇外观和语法结构的程序上同样表现良好。我们比较了各种神经程序模型在自动语义保持转换之前和之后的程序上的方法名称预测任务的结果。我们使用三个不同大小的Java数据集和三个最先进的神经网络代码模型,即code2vec,code2seq和GGNN,来构建九个这样的神经程序模型进行评估。我们的研究结果表明,即使对程序进行小的语义保留更改,这些神经程序模型通常也无法概括其性能。我们的研究结果还表明,基于程序中的数据和控制依赖关系的神经程序模型比仅基于抽象语法树的神经程序模型更好地泛化。从积极的方面来看,我们观察到,随着训练数据集的大小增加和多样化,神经程序模型产生的正确预测的泛化能力也可以提高。我们关于神经程序模型的可推广性的结果提供了衡量其局限性的见解,并为其改进提供了垫脚石。
2021-03-18 cs.LG cs.PL cs.SE
Experiments with a Convex Polyhedral Analysis Tool for Logic Programs
已经发现逻辑程序的凸多面体抽象在推导程序参数之间的数值关系以证明程序性质以及在诸如终止和复杂性分析的其它领域中非常有用。我们提出了一个工具,用于构造(约束)逻辑程序的多面体分析。该工具的目的是通过方便的界面提供最先进的多面体分析技术,如延迟加宽、缩小、“加宽至”以及加宽点的增强自动选择。该工具可以在网上访问,允许用户程序上传和分析,并与相关的程序转换,如大小抽象和问答转换集成。然后,我们报告了一些实验使用的工具,显示它可以方便地用于分析过渡系统所产生的嵌入式系统模型,和一个模拟器的PIC微控制器,这是用于例如可穿戴计算系统。我们讨论的问题,包括可扩展性,权衡精度和计算时间,以及其他程序转换,可以提高分析结果。
2007-12-17 cs.PL cs.SE
Verification of Programs via Intermediate Interpretation
我们探讨了一种方法来验证程序通过程序转换适用于解释器的程序设计语言。一种被称为Turchin超级编译的专门化技术被用来专门化程序模型的一些解释器。我们发现,几个安全属性的功能程序建模一类的缓存一致性协议可以证明由超级编译器和比较结果与我们以前的工作直接验证通过超级编译不使用中间解释。我们的方法部分受到了E. De Angelis等人(2014-2015)在约束逻辑程序专门化的背景下研究了通过程序转换和中间解释进行的验证。
2017-08-24 cs.PL cs.SE
Software Verification for Weak Memory via Program Transformation
尽管多处理器实现弱内存模型,验证方法往往假设顺序一致性(SC),因此可能会错过错误,由于弱内存。我们提出了一个健全的改造方案进行验证,使SC工具进行验证w.r.t.记忆力差我们提出了各种各样的模型(从x86/TSO到Power/ARM)和各种各样的验证工具的实验,量化了转换的额外成本,并强调了我们可以大幅降低它的情况。
2012-07-30 cs.LO cs.SE
A Module-System Discipline for Model-Driven Software Development
模型驱动开发是一种实用的软件开发方法,它包含领域特定语言(DSL),其中模型对应于DSL程序。模型驱动开发的一个显著特征是,模型的客户端可以通过应用不同的模型转换,从模型的一组开放的替代语义中进行选择。然而,在现有的模型驱动框架中,模型、模型转换和生成的代码工件之间的依赖关系要么是隐式的,要么是在构建脚本中全局声明的,这通常会阻碍模块化推理、单独编译和可编程性。我们提出了一个新的模块系统,将模型和模型转换为模块的设计。程序员可以在导入语句中应用转换,从而声明对生成的代码工件的依赖性。我们的设计通过防止隐藏的依赖关系来实现模块化推理和单独编译,并且它支持将建模工件与传统代码工件以及高阶转换混合。我们已经正式确定了我们的设计和上述属性,并通过实施和案例研究进行了验证,表明我们的模块系统成功地将模型驱动开发集成到传统的程序设计语言中。
2017-03-31 cs.PL cs.SE
Moving beyond Deletions: Program Simplification via Diverse Program Transformations
本文研究 OSS 中开发者手动程序简化的变换类型与动机,并提出基于 92,485 个程序训练、结合行定位与质量检查的 SimpT5,以更有效地自动生成语义等价且更短的程序。
2024-01-26 cs.SE
Source-to-source optimizing transformations of Prolog programs based on abstract interpretation
在不改变其操作语义的情况下,通过转换源代码使Prolog程序更有效,这不是一个显而易见的任务。它要求用户清楚地了解Prolog编译器是如何工作的,特别是不纯的特性(如cut)的影响。编写Prolog代码的方式-例如,从句的顺序、从句中字面意思的顺序、删减或否定的使用--都会影响其效率。此外,不同的优化技术在一起应用时可能是冗余的或冲突的,这取决于调用过程的方式-例如,插入切口并启用索引。我们提出了一个优化器,基于抽象的解释,自动执行安全的代码转换的Prolog程序的上下文中的一些类的输入调用。如果过程用关于模式、类型、共享、解决方案的数量等的附加信息来注释,则该方法更有效。因此,该方法与Mercury类似。它适用于任何Prolog程序。
2007-10-31 cs.LO cs.PL cs.SE
Refactoring Composite to Visitor and Inverse Transformation in Java
我们描述了如何使用重构工具将符合Composite设计模式的Java程序转换为符合Visitor设计模式且具有相同外部行为的程序。我们还描述了逆变换。我们使用IntelliJ IDEA提供的重构工具。
2013-07-01 cs.SE
Tailored Source Code Transformations to Synthesize Computationally Diverse Program Variants
程序执行的可预测性为攻击者提供了丰富的知识来源,他们可以利用它来监视或远程控制程序。移动目标防御通过在程序的许多不同变体之间不断切换来解决这个问题,这降低了攻击者对程序执行的确定性。这种方法的有效性依赖于大量表现出不同执行的软件变体的可用性。然而,目前的方法依赖于现成组件提供的自然多样性,这是非常有限的。在本文中,我们探讨了自动合成的大型集的程序变体,称为sosies。Sosies提供与原始程序相同的预期功能,但表现出不同的执行。据说它们在计算上是不同的。这项工作解决了两个目标:比较不同的转换,以增加的可能性sosies合成(致密的搜索空间sosies),证明在合成sosies计算多样性。我们总共合成了30184个sosies,用于9个大型,真实世界的开源应用程序。对于所有这些程序,我们确定了一种系统地增加sosies密度的程序分析类型;我们测量了3个程序的sosies的计算多样性,发现超过40%的sosies的方法调用或数据存在多样性。这是朝着控制软件的巨大不可预测性迈出的一步。
2014-01-29 cs.SE
LLMs are Brittle to Simple Code Transformations: Introducing CETBench - A Benchmark for Code-Equivalence Checking
Indian Institute of Technology Delhi(印度理工学院德里分校);IBM Research AI(IBM研究院)
本文提出CETBench基准,通过对程序对施加随机代码变换生成等价性检查数据,发现简单变换即可显著降低SOTA LLMs的性能,并提出基于微调的方法加以改进,揭示LLMs在代码语义理解上仍存在明显不足。
2026-10-21 cs.CL cs.LG cs.PL
Symbolon: Symbolic Execution by Learning Code Transformation
University of Chicago(芝加哥大学);Columbia University(哥伦比亚大学);University of Maryland(马里兰大学);Johns Hopkins University(约翰斯·霍普金斯大学)
提出Symbolon框架,自动学习多样化的代码变换并上下文敏感地应用,以缓解符号执行的路径爆炸和复杂约束问题,在32个真实程序上平均行覆盖率提升3.69倍,内存和求解时间分别降低29.2倍和123倍,并在Linux内核中发现21个新漏洞。
2026-07-23 cs.CR cs.PL cs.SE
Social Diversity for ATL Repair
模型转换在模型驱动工程范例中扮演着重要的角色。编写一个正确的转换程序需要熟练掌握源和目标建模语言,对两者元素之间的映射有清晰的理解,以及掌握转换语言来正确地描述转换。因此,转换程序是复杂且容易出错的,并且在这样的程序中查找和修复错误通常涉及开发人员的繁琐且耗时的工作。在本文中,我们提出了一种新的基于搜索的方法来自动修复包含许多语义错误的转换程序。为了防止健身高原和单一健身峰值的限制,我们利用社会多样性的概念,以促进修复补丁解决的错误,是由人口的其他补丁覆盖较少。我们评估我们的方法71语义不正确的转换程序中写的ATL,并同时包含多达5个语义错误。评估结果表明,整合社会多样性搜索修复补丁时,可以提高这些补丁的质量,并加快收敛,即使当多达5个语义错误。
2022-08-25 cs.SE
Combining Example-Based and Rule-Based Program Transformations to Resolve Build Conflicts
Virginia Tech(弗吉尼亚理工大学);Tsinghua University(清华大学);Google LLC(谷歌公司)
BuCoR通过结合基于示例和基于规则的程序转换方法,有效解决构建冲突问题。
2026-02-11 cs.SE
A Journey Among Java Neutral Program Variants
中性程序变体在功能上与原始程序相似,但实现的行为略有不同。诸如近似计算或遗传改进之类的技术共享这样的直觉,即增强的潜力在于这些可接受的行为差异(例如,增强的性能或可靠性)。然而,通过推测性转换自动合成中性程序变体仍然是一个关键挑战。这项工作旨在描述Java程序中的塑料代码区域,即,容易合成中性程序变体的区域。我们的实证研究依赖于6个真实世界的Java程序的自动变化。首先,我们用三种最先进的推测转换来转换这些程序:添加、替换和删除语句。我们得到了23445个中性变体,从中我们收集了以下新颖的见解:开发人员自然地编写支持细粒度行为更改的代码;语句删除是一种令人惊讶的有效推测转换;高级设计决策,例如数据结构的选择,是可以在保持功能的同时进化的自然点。其次,我们设计了3个新的投机转换,针对特定的塑料区域。新的实验表明,分别有60%、58%和73%的合成变体(总共175688个)是中性的,并且表现出与原始变体不同的执行轨迹。
2019-06-22 cs.SE
A Foundation for Functional Graph Programs: The Graph Transformation Control Algebra (GTA)
图变换(GT)系统的应用程序通常需要控制结构,可以用来指导GT过程。大多数现有的GT工具遵循有状态的计算模型,其中当应用GT规则时,单个图被重复地“就地”修改。在这样的工具中实现控制结构并不简单。常见的挑战包括在执行GT组合时处理规则应用和事务约束固有的非确定性,特别是原子性和隔离性。相关联的事务机制和规则应用搜索算法的复杂性(例如,回溯)使这些控制结构的正式基础的定义复杂化。与这些有状态的方法相比,功能图重写提出了一个更简单的(无状态)计算模型,它简化了(功能)GT控制结构的形式基础的定义。在本文中,我们提出了“图变换控制代数”(GTA)作为这样一个基础。《全球技术协定》已被用作在(功能性)全球技术工具“GrapeVine”中实施控制结构的正式基础。
2022-12-22 cs.SE
Academic Source Code Plagiarism Detection by Measuring Program Behavioural Similarity
源代码剽窃是高等计算机科学教育中一个长期存在的问题。已经提出了许多源代码剽窃检测工具来帮助检测源代码剽窃。然而,现有的检测工具对普遍的剽窃隐藏转换并不鲁棒,因此在检测剽窃源代码时可能不准确。本文介绍了BPlag,一种用于源代码剽窃检测的行为方法。BPlag被设计成既能抵抗普遍的剽窃隐藏转换,又能准确检测剽窃源代码。更大的鲁棒性和准确性是通过分析程序的行为提供的,因为行为被认为是受剽窃隐藏变换影响的程序的最不敏感的方面。BPlag应用符号执行来分析执行行为,并以一种新的基于图形的格式表示程序。然后通过比较这些图和评估相似性分数来检测剽窃。BPlag针对5种常用的源代码剽窃检测工具进行了鲁棒性、准确性和效率评估。然后,它表明,BPlag是更强大的剽窃隐藏的转换和更准确的检测剽窃的源代码,但效率低于比较工具。
2021-02-08 cs.SE
Automatic Fault Detection for Deep Learning Programs Using Graph Transformations
K. N. Toosi University of Technology(K.N.托西理工大学);Polytechnique Montreal(蒙特利尔理工大学)
如今,我们看到企业和学术界对利用深度学习(DL)解决复杂现实问题的需求越来越大。DL程序编码期望DL模型的网络结构和模型从训练数据集学习的过程。像任何软件一样,DL程序可能会出错,这意味着软件质量保证面临巨大挑战,特别是在安全关键领域。因此,为深度学习开发团队配备高效的故障检测技术和工具至关重要。在本文中,我们提出了NeuraLint,基于模型的故障检测方法DL程序,使用元建模和图形转换。首先,我们设计了一个元模型DL程序,包括其基本骨架和基本属性。然后,我们构建了一个基于图的验证过程,该过程涵盖了在元模型之上定义的23条规则,并作为图变换来实现,以检测生成的模型中的故障和设计效率低下(即,元模型的实例)。首先,所提出的方法进行评估,发现故障和设计效率低下,在28个合成的例子,从文献中报道的常见问题。然后,NeuraLint成功地从Stack Overflow帖子和GitHub存储库中提取了34个真实的DL程序中发现了64个错误和设计效率低下。结果表明,NeuraLint在合成和真实世界的例子中有效地检测故障和设计问题,召回率为70.5%,准确率为100%。虽然所提出的元模型是为前馈神经网络设计的,但它可以扩展到支持其他神经网络架构,例如递归神经网络。研究人员还可以扩展我们的验证规则集,以涵盖DL程序中的更多类型的问题。
2021-05-31 cs.LG cs.SE
Towards the Automation of Metamorphic Testing in Model Transformations
模型转换是模型驱动工程的基石,并提供了操纵和转换模型的基本机制。检查模型转换的输出是否正确是一项手动且容易出错的任务,这在软件测试文献中被称为Oracle问题。模型转换程序的正确性对于正确生成其输出至关重要,因此应对其进行测试。变形测试是一种缓解预言问题的测试技术,它利用被测程序的不同输入和输出之间的关系,即所谓的变形关系。在本文中,我们给出了一个洞察我们的方法来一般定义模型转换的变形关系,它可以自动实例化给定任何特定的模型转换。
2018-04-30 cs.SE
Suggestions on Test Suite Improvements with Automatic Infection and Propagation Analysis
一个极端的转换移除了至少一个测试用例所到达的方法主体。如果测试套件通过了原始程序,并且在极端转换之后仍然通过,则转换被称为未检测到,并且测试套件需要改进。在这项工作中,我们提出了一种技术,以自动确定以下三个原因,防止检测的极端变换是:测试输入不足以感染状态的程序;感染不传播到测试用例;测试用例有一个弱的预言,不观察感染。我们已经开发了Reneri,一个工具,观察程序的测试和测试套件,以确定原始和转换方法的测试运行之间的运行时差异。分析过程中收集的观察结果由Reneri处理,以向开发人员提出可能的改进建议。我们对Reneri的15个项目进行了评估,总共有312个未被发现的极端转换。该工具能够为每个未检测到的转换生成建议。对于63%的情况,现有的测试用例可以感染程序状态,这意味着未检测到的转换主要是由于可观察性和弱Oracle问题。对开发人员的采访证实了所建议的改进的相关性,并且使用最先进的自动测试生成工具进行的实验表明,没有工具可以改进现有的测试套件来修复所有未检测到的转换。
2019-09-10 cs.SE
Towards Reliable Evaluation of Neural Program Repair with Natural Robustness Testing
The University of Melbourne(墨尔本大学)
本文提出通过自然鲁棒性测试评估神经程序修复技术,发现仅60%的语义保持转换是自然的,不自然转换显著影响评估结论,并导致补丁率显著下降,最后提出基于LLM的自动化自然性评估指标。
2024-11-13 cs.AI cs.SE
Transformations between Composite and Visitor implementations in Java
基本的自动化重构操作可以被链接以执行复杂的结构转换。这对于恢复源代码的初始架构是有用的,该源代码在其维护生命周期期间已经随着连续的演进而退化。这对于改变程序的结构也很有用,以便手头的维护任务在最初横切时变成模块化的。我们专注于程序结构根据复合和游客的设计模式,具有双重属性的模块化。我们认为这两个结构之间的基于重构的往返转换,我们研究如何转换的影响,这些模式的实现中的四个变化。我们通过计算所得到的转换的最小前提条件来验证这项研究。我们还自动化转换并将其应用于JHotDraw,在那里发生了研究的变化。
2013-09-12 cs.SE
TRANSMUT-SPARK: Transformation Mutation for Apache Spark
我们提出了TRANSMUT-Spark,这是一种自动化Spark程序中大数据处理代码的突变测试过程的工具。Apache Spark是一个大数据处理引擎。它通过内置函数、底层并行流程和数据管理策略隐藏了大数据并行和分布式编程和处理固有的复杂性。尽管如此,程序员必须在程序中巧妙地结合这些功能,并指导引擎使用正确的数据管理策略,以利用大数据处理所需的大量计算资源,避免大量的生产损失。Spark程序中的数据处理代码中的许多编程细节都容易出现错误语句,需要进行正确和自动测试。本文探讨了变异测试在Spark程序中的应用,这是一种基于故障的测试技术,它依赖于故障模拟来评估和设计测试集。本文介绍了用于测试Spark程序的TRANSMUT-Spark解决方案。TRANSMUT-Spark自动化过程中最费力的步骤,并完全执行突变测试过程。本文介绍了该工具如何自动化的突变体生成,测试执行,充分性分析阶段的突变测试与TRANSMUT-Spark。它还讨论了为验证该工具而进行的实验结果,以论证其范围和局限性。
2021-08-05 cs.DC cs.SE
Sequentializing Parameterized Programs
我们表现出断言保持(可达性保持)的参数化并发共享内存程序的转换,在一个k轮调度的进程,顺序程序。顺序程序的显著特点是它在任何时候只跟踪一个线程的局部变量,并且只使用O(k)个共享变量的副本(它不使用额外的计数器,甚至不使用一个计数器来跟踪线程的数量)。序列化是使用线性接口的概念来实现的,该线性接口捕获了无界进程块对k轮调度中的共享状态的影响。我们的转换利用线性接口来序列化程序,并确保序列程序只探索可达状态并保留局部不变量。
2012-07-18 cs.LO cs.SE