Towards Certified Analysis of Software Product Line Safety Cases
安全关键软件系统在许多情况下被设计和实现为产品系列,通常被称为软件产品线(SPL)。SPL中的产品在其包含的功能方面彼此不同。将现有的分析技术应用于SPL及其安全案例通常具有挑战性,因为产品的数量与支持的功能数量可能呈指数级增长。在本文中,我们提出了一种方法和基础设施认证的\emph{lifting}现有的单一产品的安全分析,产品线。为了确保我们的基础设施认证的安全性,我们实现了它在一个交互式定理证明,包括形式定义,引理,正确性准则定理和证明。我们应用这个基础设施,正式化和升降机的变化影响评估(CIA)算法。我们提出了一个正式的定义,解除算法,概述其正确性证明(与完整的机器检查证明在线),并讨论其实现模型管理框架内。
2021-04-30 cs.SE
Potential Errors and Test Assessment in Software Product Line Engineering
软件产品线(SPL)是一种开发富变体软件系统的方法。与非变量系统相比,由于可能的产品数量越来越多,测试SPL是广泛的。存在不同的方法来测试SPL,但很少有研究评估这些测试的质量,通过错误检测能力。这种测试评估是基于错误注入到被测系统的正确版本。然而,据我们所知,在SPL工程的潜在错误从来没有被系统地确定之前。本文概述了现有的范例,指定软件产品线和错误,可能会发生在各自的规范过程。对于测试质量的评估,我们利用变异测试技术SPL工程和实现识别的错误作为变异算子。这使我们能够针对缺陷产品运行现有测试,以进行测试评估。从结果中,我们得出结论的错误倾向的调查SPL设计范式和如何SPL测试的质量可以提高。
2015-04-09 cs.SE
PLACIDUS: Engineering Product Lines of Rigorous Assurance Cases
针对软件产品线中单独构建保证用例不可行的问题,提出整合形式化方法的PLACIDUS方法,定义感知可变性的AC语言并基于Lean形式化语义,配套Eclipse工具,经医疗设备产品线验证可行。
2024-07-14 cs.SE
Improving CASA Runtime Performance by Exploiting Basic Feature Model Analysis
在软件产品线工程(SPLE)中,系统家族被设计出来,而不是独立地开发单个系统。组合交互测试已被证明是有效的测试环境中的SPLE,其中一个代表性的子集的产品被选择用于测试的地方,整个家庭。这样的产品子集可以通过计算所谓的t-wise覆盖阵列(tCA)来确定,其计算是NP完全的。最近,已经提出了利用基本特征模型分析的约简规则,其减少了软件产品线(SPL)的tCA计算期间需要考虑的元素的数量。我们应用这些规则CASA,模拟退火算法tCA生成SPL。我们使用133个公开可用的特征模型评估了CASA的改编版本,平均可以记录$61.8\%$的中值执行时间的加速,同时保留了生成的数组的覆盖范围。
2013-12-05 cs.SE
Adaptive Behavioral Model Learning for Software Product Lines
行为模型能够分析软件产品线(SPL)的功能,例如,模型检验和基于模型的测试。模型学习的目的是以某种形式的有限状态机为软件系统构建行为模型。由于SPL产品之间的共性,在模型学习过程中可以重用先前学习的模型。本文在$L^*$算法的基础上,提出了一种自适应学习SPL产品模型的方法($\text{PL}^*$方法)。在该方法中,在每个产品的模型学习之后,最终观察表中的序列被存储在存储库中,该存储库将用于初始化剩余待学习产品的观察表。该算法在两个开源的SPL上进行了评估,总的学习成本是根据轮数、重置总数和输入符号来衡量的。结果表明,对于复杂的SPL,总的学习成本的$\text{PL}^*$方法是显着低于所有三个指标的非自适应学习方法。此外,据观察,产品的学习顺序会影响$\text{PL}^*$方法的效率。基于这一观察,我们引入了一个启发式来确定一个排序,这降低了两个案例研究中自适应学习的总成本。
2022-08-01 cs.SE
Lifting Datalog-Based Analyses to Software Product Lines
将程序分析应用于软件产品线(SPL)一直是产品线工程和软件分析交叉的基础研究问题。已经进行了不同的尝试来“提升”特定的产品级分析以在整个产品线上运行。在本文中,我们处理基于数据记录的分析类(例如,指针和污点分析),研究提升数据库推理的理论方面,并在Soufflé数据库引擎中实现提升推理算法。我们在一组基准产品线上评估我们的实施。与单独对每个产品进行蛮力分析相比,我们在处理时间和事实数据库大小方面节省了大量时间(在一个基准测试中快了数十亿倍)。
2019-07-16 cs.LO cs.PL cs.SE
An Empirical Eye-Tracking Study of Feature Model Comprehension
软件产品线(SPL)是相关软件系统的系列,其区别在于每个系统提供的一组功能。特征模型是对SPL的可变性进行建模的事实标准,因为它们描述了构成SPL的特征、特征之间的关系以及特征的所有组合。由于其关键作用,特征模型是SPL工程中许多任务的核心。我们的工作提出了一个实证研究的理解功能模型的任务,检查配置的有效性。本研究探讨了特征数量和交叉树约束数量与被试回答效度检验问题的准确性之间的关系,并利用眼注视分析了被试对注视信息的理解难度和对特征模型刺激不同部分的认知加工量。我们发现,答案的准确性不涉及单独的功能的数量或交叉树约束的功能模型的数量,但这两个因素确实显示出准确性的相互作用。此外,我们的研究确定了在固定次数和固定时间方面具有交叉树约束的特征模型的差异,但在没有交叉树约束的那些模型中没有差异。
2022-03-09 cs.SE
A Hitchhiker's Guide to Search-Based Software Engineering for Software Product Lines
基于搜索的软件工程(SBSE)是一门新兴的学科,它专注于将基于搜索的优化技术应用于软件工程问题。SBSE技术解决涉及大搜索空间的问题的能力使得它们的应用对于软件产品线(SPL)具有吸引力。近年来,出现了几个出版物,应用SBSE技术SPL问题。在本文中,我们提出了这样的出版物的系统映射研究的结果。我们确定了SPL的生存周期的SBSE技术已被使用的阶段,已经采用了什么样的案例研究,以及如何对它们进行分析。该映射研究揭示了进一步研究的潜在场所,以及应用SBSE技术时常见的误解和陷阱,我们通过为有兴趣利用这些技术的研究人员和从业人员提供指导方针来解决这些问题。
2014-06-11 cs.NE cs.SE
Towards a Benchmark and a Comparison Framework for Combinatorial Interaction Testing of Software Product Lines
随着软件产品线(SPL)成为一种更普遍的开发实践,其有效的测试正成为一个更重要的关注。在过去的几年中,许多SPL测试方法已被提出,其中,是那些支持组合交互测试(CIT)的前提是选择一组产品的故障,由于功能的相互作用,更容易发生。目前国内外已提出了多种声压级CIT测试技术,但还没有对它们进行系统、全面的比较。为了实现这样的目标,两个项目是重要的:一个共同的基准的功能模型,和一个适当的比较框架。在这篇研究进展中的论文中,我们提出了19个特征模型作为基准的基础,我们将其应用于三种不同的技术,以分析Perrouin等人提出的比较框架。我们确定了这个框架的缺点,并阐述了进一步研究的替代方案。
2014-01-21 cs.SE
How can feature usage be tracked across product variants? Implicit Feedback in Software Product Lines
本研究针对软件产品线(SPL)中的隐式反馈问题,提出在平台层面通过间接编码进行产品派生转换,并开发了pure::variants的扩展FEACKER,TAM评估与焦点小组结果证实其在平台级反馈分析上的有用性与无缝性。
2023-09-15 cs.SE
IsiSPL: Toward an Automated Reactive Approach to build Software Product Lines
在过去的几十年里,软件产品线(SPL)已经证明了系统重用对于提高软件开发生产力和软件产品质量的好处。在三种采用方法中,即提取式、主动式和反应式,反应式方法似乎最适合于实践中的软件开发。这种方法的优点在于它仍然接近经典的软件开发实践。事实上,它避免了对业务领域及其可变性的完整分析(即主动方法),也避免了需要一组覆盖该领域的产品变体(即提取方法)。然而,尽管有这些优点,我们认为,采用反应式方法的主要障碍是其重新设计过程缺乏自动化。本文提出了isisSPL:一种基于反应的方法,有利于建设和维护的SPL。SPL的构建基于准自动过程。SPL的维护可以在由isiSPL生成的白盒SPL实现上进行。isisSPL基于两个步骤:第一,识别新创建产品的人工制品并将其整合到SPL的结构中;第二,选择一组人工制品及其组成,以生成可以部分或完全满足开发人员预期产品要求的新产品。我们已经实现了isiSPL,并使用ArgoUML-SPL和Soduko-SPL的两组不同产品验证了其集成和生成。
2021-07-16 cs.SE
Onboarding in Software Product Lines: ConceptMaps as Welcome Guides
随着劳动力和技术市场的动荡,入职变得越来越重要。加入新的开发人员的过程,也就是说,新来的人进入软件开发团队被认为是漫长的,令人沮丧的和昂贵的。新员工在加入公司的过程中面临着个人、人际、流程和技术方面的障碍,这反过来又影响了整个团队的整体生产力。对于软件产品线(SPL)来说,这个问题更加严重,因为它们的规模和可变性使得入门更具挑战性,对于从应用工程团队转移到领域工程团队的开发人员来说更是如此,他们将成为我们的目标新人。这项工作提出了概念图的意义构建支架的作用,以帮助介绍这些新来者到SPL域。概念图作为知识可视化工具,已被证明有助于有意义的学习。我们的主要见解是捕获SPL域的概念及其在概念图中的相互关系,然后,逐步呈现它们,帮助新手掌握SPL,并帮助他们以引导的方式探索它,同时避免信息过载。这项工作的贡献有四个方面。首先,概念图被提出作为一种表示引入到SPL域的新人。其次,概念图作为指导性探索SPL核心资产的手段。第三,介绍了一种特征驱动的概念图构建过程。最后,通过形成性评价测试概念图作为SPL入职指南的有用性。链接到在线演示:url=”https://rebrand.ly/wacline-cmap“
2021-04-14 cs.SE
Fast Static Analyses of Software Product Lines -- An Example With More Than 42,000 Metrics
内容:软件度量作为静态分析的一种形式,是软件工程中常用的一种方法,用于了解软件系统的状态,特别是识别容易出现缺陷的潜在区域。基于族的技术从软件产品线(SPL)中的代码工件中提取可变性信息,以对所有可用的变体执行静态分析。在文献中已经定义了具有许多变体的许多不同类型的度量。当计算包括这些变体的所有度量时,可以轻松地定义数千个度量。在性能和资源消耗方面,为大型产品线计算所有这些数据可能是一个极其昂贵的过程。目的:我们解决了这些性能和资源挑战,同时支持可定制的度量套件,允许运行单一系统和可变性感知代码度量。方法:在本文中,我们介绍了一种部分解析方法,用于有效测量超过42,000个代码度量变化。该方法涵盖了可变性信息,并限制解析到抽象树(AST)的相关部分。结论:这种部分解析方法被设计为覆盖所有相关信息,以计算关于包含基于注释的可变性的代码工件的各种可变性感知代码度量,例如,用C预处理器语句实现。它允许单个系统和可变性感知指标的灵活组合,这是现有工具所不支持的。这是通过一种新的表示部分解析的产品线代码工件,这是定制的度量的计算。我们的方法消耗的资源少得多,特别是在并行计算许多度量变量时。
2021-10-12 cs.SE
Generalized Software Product Line Extraction
Università degli Studi di Milano(米兰大学)
提出一种与工作台无关的通用协议,通过轻量级依赖单元“原子”从现有软件制品中提取特征模型,并配置和派生软件产品,适用于多种软件产品线。
2026-05-27 cs.PL cs.SE
Automatic link extraction: The good, the bad and the ugly in software ecosystem mining
本文根据我们在RubyGems包管理器元数据中手动调查链接的经验,介绍了自动链接提取的陷阱。这项工作可以导致自动化的链接提取方法,以避免这些陷阱,并产生更完整的数据集,供研究人员使用时,他们调查软件生态系统的多平台演变。
2017-11-18 cs.SE
Science-Software Linkage: The Challenges of Traceability between Scientific Knowledge and Software Artifacts
尽管计算机科学论文通常伴随着软件工件,但将研究论文与其软件工件连接起来(反之亦然)并不总是微不足道的。首先,在如何提供这种联系方面缺乏公认的标准。此外,提供的链接,如果有的话,经常会过时:当预印本被删除时,当存储库被迁移时,或者当论文和存储库独立发展时,它们会受到链接腐烂的影响。在本文中,我们总结了研究论文和相关源代码链接的实践状态,强调了最近的努力,建立和维护这样的链接。我们还报告了几项实证研究的结果,重点是科学论文和相关的软件工件之间的关系,我们概述了可追溯性和克服这些挑战的机会相关的挑战。
2021-04-13 cs.DL cs.SE
CMSA algorithm for solving the prioritized pairwise test data generation problem in software product lines
Universidad de Málaga(马拉加大学);CERN(欧洲核子研究组织)
针对软件产品线中带优先级的成对测试数据生成问题,提出基于构造、合并、求解与适应的混合元启发式算法CMSA,与四种现有算法比较,在多数实例中显著提升解质量,但耗时更长。
2024-02-07 cs.AI cs.SE
Using Experience Sampling to link Software Repositories with Emotions and Work Well-Being
背景:经验抽样方法研究人类在自然环境中的日常经验。在心理学中,它被用来研究工作幸福感和生产力之间的关系。据我们所知,日常经验抽样以前没有在软件工程中使用过。目标:我们的目的是确定软件开发人员自我报告的情感状态和工作幸福感和从软件库中获得的措施之间的联系。方法:我们在一家软件公司进行了为期八个月的经验抽样研究,我们使用逻辑回归将幸福感测量与开发活动联系起来,即提交和聊天消息的数量。结果:我们发现问卷变量和软件库变量之间有几个显着的关系。令我们惊讶的是,匆忙和提交数量之间的关系是负的,这意味着更多的感知匆忙与更少的提交数量有关。我们还发现,社会互动和阻碍工作幸福感之间存在负相关。结论:提交和匆忙之间的负面联系是违反直觉的,也与之前软件工程中的实验室实验相反,这些实验表明在时间压力下效率会提高。总的来说,我们的工作是在软件工程中使用经验抽样和验证软件工程领域其他领域的工作幸福感理论的第一步。
2018-09-04 cs.SE
Domain Knowledge Discovery Guided by Software Trace Links
软件密集型项目使用领域术语进行指定和建模。领域术语的知识对于执行许多软件工程任务是必要的,例如影响分析、遵从性验证和安全认证。然而,发现高技术软件和系统工程领域的领域术语和推理它们之间的相互关系是一项复杂的任务,需要大量的领域专业知识和人力。在本文中,我们提出了一种新的方法,利用软件密集型系统中的跟踪链接,以指导挖掘过程中包含领域知识的事实。驱动我们挖掘过程的跟踪链接定义了法规和要求等工件之间的关系,并通过高收益的领域术语组合进行引导搜索。我们的概念验证评估表明,我们的方法有助于发现领域事实,即使在高度复杂的技术领域。这些领域事实可以为各种软件工程活动提供支持。作为一个用例,我们展示了挖掘的事实如何促进项目Q&A的任务。
2018-08-15 cs.SE
Issue Link Label Recovery and Prediction for Open Source Software
现代开源软件开发严重依赖问题跟踪系统来管理其功能请求、错误报告、任务和其他类似工件。这些“问题”共同构成了一个相互联系的复杂网络。问题的异质性导致链接类型的多样性,这给用户手工创建和维护链接标签带来了很大的挑战。大多数现有的自动化问题链接构造技术的目标仅限于检查问题之间的链接的存在。在这项工作中,我们专注于下一个重要的问题,我们是否可以通过数据驱动的方法自动评估问题链接的类型。我们使用问题跟踪系统分析了66个开源项目的问题和它们的标签之间的联系。使用三个项目,我们展示了有前途的结果时,使用监督机器学习分类的链接标签恢复的任务,仔细的模型选择和调整,实现F1得分0.56-0.70之间的三个研究项目。此外,当有足够的历史数据时,我们的方法用于未来链接标签预测的性能是令人信服的。我们的工作标志着系统地管理和维护实践中面临的问题环节的第一步。
2021-08-10 cs.SE
Framework for Version Control & Dependency Link of Components & Products in a Software Product Line
软件产品线涉及从现有核心资产(通常称为组件)组装产品,并在生产过程中不断增加核心资产。这个思想在基于组件的体系结构的软件开发方面已经变得至关重要。由于在软件产品线上,人们必须同时处理大量的产品和组件,因此需要制定一种策略,这将有助于存储组件和产品信息,以便可以轻松地跟踪它们,以便进一步开发。这种存储策略应反映产品和组件之间的关系,以便可以追溯与组件相关的产品历史,反之亦然。本文提出了一种基于树结构的软件产品线中构件和产品的存储策略。该策略将使我们能够存储有关组件和产品的重要信息,以及它们的组成和使用关系。我们实现了这一概念,并模拟了软件产品线环境。
2015-07-24 cs.SE
Don't mention it: An approach to assess challenges to using software mentions for citation and discoverability research
本文提出一种评估软件提及数据集可用性的方法,并通过应用于两个数据集揭示了数据集结构、提及质量及软件链接等方面的挑战,指出软件引用实践仍需改进。
2024-02-22 cs.SE
Software Engineering Event Modeling using Relative Time in Temporal Knowledge Graphs
McGill University(麦吉尔大学);Google Research(谷歌研究院)
我们提出了一个多关系的时间知识图谱的基础上,在GitHub,最大的社会编码平台之一的工件之间的日常互动。这种表示使得能够提出许多用户活动和项目管理问题,作为知识图谱上的链接预测和时间查询。特别是,我们引入了两个新的数据集i)内插的时间条件链接预测和ii)外推的时间条件链接/时间预测查询,每一个都具有独特的属性。我们对这些数据集的实验强调了调整知识图谱来回答广泛的软件工程问题的潜力。同时,它也揭示了现有的时态模型的外推查询和时间预测查询的一般性能不令人满意。为了克服这些缺点,我们引入了一个扩展到当前的时间模型,使用相对的时间信息与过去的事件。
2020-07-13 cs.LG cs.SE stat.ML
Semantic Linkage of Control Systems
控制系统是一组相互连接的硬件和软件组件,用于调节过程的行为。现代控制系统的软件由于对灵活性和功能性的要求而上升了几年。因此,创新的力量在企业中增长,因为必须在更短的时间间隔内提供更新的产品。与此相关的是产品生存周期的关键缩短,其影响表现在对软件和备件库存的减少。的目的,这里提出的概念,并在建模环境中开发,证明,并确保软件组件的最小功能。在运行时通过框架替换验证功能的控制系统的软件组件,并且如果必要,软件条件将变得适应。这种实现的精髓是使用了抽象语法树。在其层次结构中Meta信息被附加到节点并由框架处理。随着软件构件语义证明概念的发展,软件产品的生命周期不断延长。
2009-04-23 cs.SE
Requirements Traceability: Recovering and Visualizing Traceability Links Between Requirements and Source Code of Object-oriented Software Systems
本文提出 YamenTrace 方法,结合潜在语义索引和形式概念分析,自动恢复并可视化面向对象软件中需求与代码之间的可追溯链路,以减轻人工维护负担并提升需求管理效率。
2023-07-09 cs.SE
Exploring the links between software development task type, team attitudes and task completion performance: Insights from the Jazz repository
内容:为了更好地理解软件开发中各种人为因素的影响,以及团队的态度如何与他们的表现相关,越来越多的注意力被给予了与团队相关的人工制品的研究。特别是,研究人员对一系列团队沟通渠道进行了大量研究,以探索开发人员的语言使用与他们交付的产品中软件错误发生率之间的联系。然而,尽管有令人信服的证据表明需要更广泛地了解团队的态度,但对软件系统开发和交付期间通常执行的全部软件任务的关注相对有限。目的:因此,我们的动机,研究任务类型和团队的态度之间的关系,以及如何在团队的通信中表达的态度可能与他们的任务完成绩效时,进行一系列的活动。方法:我们的调查涉及来自149个团队的474名IBM Jazz实践者的人工制品,他们在三年的时间里从事大约30,000项软件开发任务。我们应用语言分析,标准的统计技术和指导内容分析,以解决我们的研究目标。结果如下:我们的证据表明,团队在处理各种形式的软件任务时表达了不同的态度,当他们致力于修复缺陷时,他们特别情绪化。也就是说,团队的态度表达并不能很好地预测他们的任务完成情况。结论:旨在减少bug发生率的努力可以积极地限制团队在解决bug时的情绪倾向,从而减少对情绪稳定的成员的高需求。(节录)
2021-04-25 cs.SE
Establishing Traceability Links between Release Notes & Software Artifacts: Practitioners' Perspectives
University of Saskatchewan(萨斯喀彻温大学);Thompson River University(汤普森河大学)
本文提出基于大语言模型的自动方法,用于建立软件发布说明与开发工件之间的可追溯性链接,通过实证研究和用户调查验证了其有效性与实用性。
2025-11-22 cs.SE
OpenReq Issue Link Map: A Tool to Visualize Issue Links in Jira
随着项目和产品规模的增加,管理软件项目变得越来越复杂。为了应对这种复杂性,许多组织使用问题跟踪系统,其中任务,错误和需求被存储为问题。不幸的是,即使使用问题跟踪器,管理软件项目也可能仍然混乱。特别是对于长期存在大量问题和问题之间的联系的项目,通常很难保持对依赖关系的概述,特别是当每天报告数十个新问题时。我们提供了一个Jira插件,它支持开发人员、项目经理和产品所有者管理和概述问题及其依赖关系。我们的工具可视化问题链接,帮助查找问题之间缺失或未知的链接,并检测不一致性。
2019-09-17 cs.SE
Semantically Enhanced Software Traceability Using Deep Learning Techniques
在大多数安全关键领域中,认证机构规定了对可追溯性的需求。跟踪链接通常是在需求、设计、源代码、测试用例和其他工件之间创建的,然而,手动创建这样的链接既耗时又容易出错。自动化解决方案使用信息检索和机器学习技术来生成跟踪链接,然而,当前技术未能理解软件工件的语义或将领域知识集成到跟踪过程中,因此倾向于提供不精确和不准确的结果。在本文中,我们提出了一个解决方案,使用深度学习将需求工件语义和领域知识纳入跟踪解决方案。我们提出了一个跟踪网络架构,利用词嵌入和递归神经网络(RNN)模型来生成跟踪链接。词嵌入学习表示领域语料库知识的词向量,RNN使用这些词向量来学习需求工件的句子语义。我们使用正训练控制域中现有的跟踪链路训练了360种不同配置的跟踪网络,并将双向门控递归单元(BI-GRU)确定为跟踪任务的最佳模型。BI-GRU的性能明显优于最先进的跟踪方法,包括向量空间模型和潜在语义索引。
2018-04-06 cs.SE
SoK: Systematizing Software Artifacts Traceability via Associations, Techniques, and Applications
Nanjing University of Science and Technology(南京理工大学);Shenzhen Technology University(深圳技术大学);Zhejiang Sci-Tech University(浙江理工大学)
本文系统回顾了软件可追溯性恢复技术,揭示了制品关联的不平衡、技术可复现性危机及工业应用缺口,提出角色导向框架以促进工程实践。
2026-03-17 cs.SE
Contextual Documentation Referencing on Stack Overflow
软件工程是知识密集型的,需要软件开发人员不断地搜索知识,通常是在社区问答平台上,如Stack Overflow。这种信息共享平台并不是孤立存在的,它们存在于更广泛的软件文档生态系统中的部分证据是论坛帖子中常见的指向其他文档资源的超链接。为了帮助改善Stack Overflow和其他文档资源之间的信息扩散,我们进行了一项研究,以回答在Stack Overflow线程中如何以及为什么引用文档的问题。我们对来自正则表达式和Android开发两个不同领域的759个链接进行了抽样和分类,以定性和定量地分析链接的上下文和目的,包括属性,意识和建议。我们发现,Stack Overflow上的链接有着广泛的不同用途,从引用链接到引用链接到复制到Stack Overflow的内容,到使用维基百科页面澄清概念的链接,再到推荐软件组件和背景阅读资源。这个目的谱有主要的推论,包括我们的观察,链接到文档资源是一个典型的技术领域的信息需求的反映。我们提供了一个框架和方法来分析Stack Overflow链接的上下文和目的,这是一个注释链接的公共数据集,并描述了关于Stack Overflow链接实践的五个主要观察结果。我们进一步指出了潜在的工具支持,以增强Stack Overflow和其他文档资源之间的信息扩散。
2020-03-16 cs.SE
An Approach for Discovering Traceability Links between Regulatory Documents and Source Code Through User-Interface Labels
在受监管的应用领域中,软件供应商必须维护监管项目和实现它们的代码库之间的可跟踪性链接。在本文中,我们提出了一个可追溯性的方法,基于直觉,监管文件和相应的软件应用程序的用户界面是非常接近的。首先,它们使用相同的术语。第二,大多数重要的法规信息出现在图形用户界面中,因为这些应用领域的最终用户关心法规(通过构造)。我们在绿色建筑领域评估我们的方法。评估涉及领域专家,该领域内商业产品的首席架构师。评估表明,恢复的可追溯性链接准确。
2014-03-11 cs.SE
Prompts Matter: Insights and Strategies for Prompt Engineering in Automated Software Traceability
本文探讨了自动化软件可追溯性中的提示工程,提出了构建有效提示的方法与利用LLM生成可追溯性链接的多种策略,改进了零样本方法在候选链接排序上的表现,旨在启发未来研究。
2023-08-01 cs.SE
Trust-Aware Multi-Agent Traceability: Confidence-Calibrated Knowledge Graphs for Consistent Software Artifact Management
CairoMotive Cairo, Egypt(开罗动力埃及)
提出一种信任感知协调框架,通过共享知识图谱和校准置信度分数,结合嵌入检索与LLM多准则分析的两阶段可追溯性链接预测管道,解决多智能体系统中错误传播问题。
2026-06-17 cs.AI cs.SE
EALink: An Efficient and Accurate Pre-trained Framework for Issue-Commit Link Recovery
针对现有issue-commit链接恢复方法参数量大、难以适配大型项目的问题,提出轻量预训练框架EALink,结合多种优化技术,在大幅降低训练推理开销的同时,显著提升链接恢复效果。
2023-08-21 cs.SE
Bridging the Gap: Adapting Evidence to Decision Frameworks to support the link between Software Engineering academia and industry
Federal University of Mato Grosso do Sul (UFMS)(南马托格罗索联邦大学);Federal University of Amazonas (UFAM)(亚马孙联邦大学)
本文提出将证据到决策框架引入软件工程,以提升系统文献综述结果对产业实践的指导作用,并探讨其实施挑战。
2026-02-08 cs.SE
TRIAD: Automated Traceability Recovery based on Biterm-enhanced Deduction of Transitive Links among Artifacts
针对不同抽象层级软件制品文本差异导致 IR 追溯失效的问题,提出 TRIAD,利用中间制品的共识 biterm 与内外部传递链接调整相似性,在五个系统上显著优于四种现有方法。
2024-01-17 cs.SE
Enhancing Automated Software Traceability by Transfer Learning from Open-World Data
软件需求可追溯性是软件工程过程的关键组成部分,支持需求确认、合规性验证和安全保证等活动。然而,手工创建一套完整的跨自然语言工件(如需求、设计和测试用例)的跟踪链接的成本和工作量可能非常昂贵。因此,研究人员提出了主要基于信息检索(IR)技术的自动链接生成解决方案;然而,这些解决方案未能提供工业项目全面采用所需的准确性。可以使用深度学习可追溯性模型来实现改进;然而,它们的有效性受到项目级工件和链接的有限大小和可用性的阻碍,以用作训练数据。在本文中,我们通过提出和评估几种用于文本到文本可追溯性的深度学习方法来解决这个问题。我们的方法名为NLTrace,探索了三种使用从开放世界平台挖掘的数据集的迁移学习策略。通过预训练语言模型(LM)和利用相邻的跟踪任务,我们证明了NLTrace可以显着提高性能的LM为基础的跟踪模型时,训练链接可用。在这种情况下,NLTrace优于性能最佳的经典IR方法,F2分数提高了188%,平均精度(MAP)提高了94.01%。对于F2和MAP,它也分别比基于一般LM的跟踪模型高出7%和23%。此外,NLTrace可以适应其他LM模型无法适应的低资源跟踪场景。从相邻的任务中学习到的知识使NLTrace在生成挑战中的表现优于VSM模型28%F2,当提供少量训练样本时。
2022-07-03 cs.SE
Advancing Trace Recovery Evaluation - Applied Information Retrieval in a Software Engineering Context
软件系统的成功开发涉及软件工件之间的有效导航。结构化信息的一种实践方法是在工件之间建立跟踪链接,这也是几个开发标准所强制执行的实践。不幸的是,在不断发展的系统中手动维护跟踪链接是一项繁琐的任务。为了解决这个问题,一些研究人员提出了治疗的捕获和恢复跟踪链接的信息检索(IR)的问题。该工作包含对基于IR的痕量回收的先前评价的系统性文献综述(SLR)。我们发现,大多数以前的评估都是以技术为导向的,在“IR评估的洞穴”中进行,使用小数据集作为实验输入。此外,源于学生项目的软件工件经常被用于评估。我们在可追溯性研究人员中进行了一项调查,发现大多数人认为学生的工件只能部分代表工业同行。我们的研究结果需要更多的案例研究,以评估基于IR的痕量恢复在工业环境的全部复杂性。此外,本论文有助于在两个实验与工业软件工件的IR为基础的痕迹恢复的经验证据的身体。以技术为导向的实验突出了数据集之间的明显依赖性和基于IR的痕迹恢复的准确性,与SLR的发现一致。以人为本的实验研究了不同质量水平的工具输出如何影响工程师的跟踪精度。最后,我们提出了如何在IR研究的一般领域的工具和方法进行评估,并提出了一个分类的评估上下文为基础的跟踪恢复。
2016-02-24 cs.SE
What are Weak Links in the npm Supply Chain?
现代软件开发经常使用第三方软件包,这引发了对供应链安全攻击的担忧。许多攻击者针对流行的包管理器,如npm,以及他们的用户进行供应链攻击。2021年,利用开源软件供应链进行的安全攻击同比增长650%。需要主动的方法来预测高风险供应链攻击的软件包漏洞。这项工作的目标是帮助软件开发人员和安全专家通过实证研究npm包元数据来测量npm供应链薄弱环节信号,以防止未来的供应链攻击。在本文中,我们分析了163万个JavaScript npm包的元数据。我们提出了软件供应链中安全漏洞的六个信号,例如安装脚本的存在,与过期的电子邮件域相关的维护者帐户,以及不活动的软件包与不活动的维护者。我们的一个案例研究从安装脚本信号中识别出11个恶意软件包。我们还发现了2,818个与过期域名相关的维护者电子邮件地址,允许攻击者通过接管npm帐户来劫持8,494个软件包。我们通过470名npm软件包开发人员的调查获得了关于我们弱链接信号的反馈。大多数开发人员支持我们提出的六个弱链接信号中的三个。开发人员还表示,他们希望在使用第三方软件包之前获得有关弱链接信号的通知。此外,我们还讨论了软件包开发人员建议的八个新信号。
2022-02-14 cs.CR cs.CY cs.SE
18 Million Links in Commit Messages: Purpose, Evolution, and Decay
本文大规模研究了23110个GitHub仓库提交中1820万条链接,发现链接引用普遍但易衰减,70%的不同链接遭受衰减,与代码中链接命运相同。
2023-05-26 cs.SE
Improving the Effectiveness of Traceability Link Recovery using Hierarchical Bayesian Networks
William & Mary(威廉与玛丽学院);Cisco Advanced Security Research Group(思科高级安全研究组);Cisco Security and Trust Engineering(思科安全与信任工程部)
可追溯性是现代软件开发过程的基本组成部分,有助于确保程序正常运行和安全。由于手动建立跟踪链接的成本很高,研究人员已经开发出自动化的方法,使用相似性度量来绘制文本软件工件之间的关系。然而,这种技术的有效性往往是有限的,因为它们只利用单一的测量工件相似性,不能同时建模(隐式和显式)的各种开发工件的组之间的关系。在本文中,我们说明了如何通过使用量身定制的概率模型来克服这些限制。为此,我们设计并实现了一个层次化的ProObjectiveModel for SoftwarE Traceability(彗星),它能够推断出候选跟踪链接。Comet能够通过结合文本相似性的多种测量的互补观察能力来建模工件之间的关系。此外,我们的模型可以从整体上整合来自不同来源的信息,包括开发人员的反馈和软件工件组之间的传递(通常是隐式的)关系,以提高推理的准确性。我们对Comet进行了全面的实证评估,说明了在最佳情况下$\approx$ 14%的一组最佳配置基线上的改进,以及在所有受试者中$\approx$ 5%的平均精度。Comet在实践中的相对有效性可能更高,因为通常不可能进行最佳配置。最后,我们在对使用原型Comet Jenkins插件的Cisco Systems开发人员的调查中说明了Comet的实用性潜力。
2022-04-11 cs.AI cs.SE
Natural Language-Programming Language Software Traceability Link Recovery Needs More than Textual Similarity
School of Computer Science and Artificial Intelligence, Wuhan Textile University(计算机科学与人工智能学院,武汉纺织大学);School of Computer Science, Wuhan University(计算机科学学院,武汉大学);The University of Melbourne(墨尔本大学);The University of Western Australia(西澳大学)
针对软件可追踪性链接恢复中文本相似性不足的问题,提出整合多种领域特定辅助策略的HGT和Gemini 2.5 Pro模型,在需求-代码任务上平均F1分别提升3.68%和8.84%。
2025-09-06 cs.AI cs.SE
LinkAnchor: An Autonomous LLM-Based Agent for Issue-to-Commit Link Recovery
Bowling Green State University(伯灵顿州立大学);University of Nebraska-Lincoln(内布拉斯加大学林肯分校);University of Zurich(苏黎世大学)
针对软件仓库中问题到提交链接恢复的挑战,本文提出LinkAnchor,通过懒惰访问架构动态检索相关数据,提升链接恢复的准确性和效率。
2026-06-29 cs.AI cs.SE
Improving Trace Link Recommendation by Using Non-Isotropic Distances and Combinations
Siemens AG(西门子股份公司)
针对软件制品跟踪链接自动计算问题,本文从几何视角研究非线性、非各向同性相似性度量及组合,并在开源与工业项目上验证其推荐效果。
2023-07-15 cs.AI cs.IR cs.SE
Automatic Traceability Maintenance via Machine Learning Classification
以前的研究表明,软件可追溯性,将项目中不同来源的相关工件链接在一起的能力(例如,源代码、用例、文档等),通过帮助开发人员和其他利益相关者完成影响分析、概念定位等常见任务来提高项目成果。在软件系统中建立可追溯性链接是一项重要且昂贵的任务,但这只是工作的一半。随着项目的维护和发展,新的工件被添加,现有的工件被更改,导致过时的可跟踪性信息。因此,需要采取特定的步骤来确保可追溯性链接与项目的其余部分保持一致。在本文中,我们解决这个问题,并提出了一种新的方法,称为TRAIL在系统中维护可追溯性信息。TRAIL的新颖之处在于,它利用先前捕获的关于项目可追溯性的知识来训练机器学习分类器,然后可以使用该分类器来导出新的可追溯性链接并更新现有的可追溯性链接。我们评估了TRAIL的11个常用的可追溯性数据集从六个软件系统,并将其与七个流行的信息检索(IR)技术,包括最常用的方法在以前的工作。结果表明,TRAIL优于所有IR方法的精度,召回率和F-分数。
2018-07-17 cs.SE
Empirical Evaluation of Taxonomic Trace Links: A Case Study
Blekinge Institute of Technology(布莱金厄理工学院);Ericsson(爱立信)
本文通过工业场景实证评估Taxonomic Trace Links方法,发现其在某些场景下有效,但需改进分类器精度和领域特定分类法构建。
2026-04-09 cs.SE
MPLinker: Multi-template Prompt-tuning with Adversarial Training for Issue-commit Link Recovery
针对问题-提交链接恢复任务中预训练语言模型语义信息利用不足的问题,提出MPLinker方法,通过多模板提示微调与对抗训练提升模型性能与泛化能力,在多个开源项目上显著超越现有方法。
2025-01-31 cs.SE
The ARDoCo Tool Landscape: REST API, TraceView, and TraceViz for Architecture Traceability
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
提出 ARDoCo 工具生态,通过 REST API、TraceView 前端和 TraceViz IDE 插件实现架构可追溯性链接恢复,提升开发者理解效率。
2026-06-29 cs.SE
Unveiling the Role of ChatGPT in Software Development: Insights from Developer-ChatGPT Interactions on GitHub
School of Computer Science, Wuhan University(武汉大学计算机学院);Nanyang Technological University(南洋理工大学);School of Computer Science, Central China Normal University(华中师范大学计算机学院)
本研究通过分析GitHub上的开发者与ChatGPT交互数据,揭示了ChatGPT在软件开发中的应用特点及实际作用。
2026-02-18 cs.SE
Prediction of Human Performance Capability during Software Development using Classification
人力资本的质量是软件企业在知识经济时代保持竞争优势的关键。软件公司将优秀的人才视为业务优势。他们越来越认识到有效的人才和业务成功之间的关键联系。然而,软件公司遭受高流动率往往很难招募到合适的人才。迫切需要开发一种人员选拔机制,以找到最适合其软件项目的人才。数据采掘技术保证了从历史项目中探索信息,项目经理可以根据这些信息做出生产高质量软件的决策。本研究的目的是填补空白,开发一个数据采掘框架的基础上,决策树和关联规则重新集中在人员选拔标准。以一家软件公司为例进行了实证研究,以支持他们对项目成员的聘用决策。结果表明,有必要重新关注质量目标的选择标准。通过整合软件项目数据库中的知识和作者的研究技术,从数据采掘模型中获得的模式识别出更好的选择标准。
2014-02-11 cs.SE
SArF Map: Visualizing Software Architecture from Feature and Layer Viewpoints
为了便于理解的软件系统的架构,我们开发了SARF地图技术,可视化软件架构的功能和层的观点,使用城市隐喻。SArF地图可视化隐式软件功能使用我们以前的研究,SArF依赖性为基础的软件聚类算法。由于功能是软件的高级抽象单元,因此生成的映射可以直接用于高级决策,例如重用,也可以用于开发人员和非开发人员利益相关者之间的通信。在SArF地图中,每个要素都被可视化为一个城市街区,要素中的类被布置为反映其软件层的建筑物。特征之间的相关性表示为街道。依赖关系的链接被清晰地可视化。通过开源和工业案例研究,我们表明,目标系统的架构可以很容易地概述,其包装设计的质量可以快速评估。
2013-06-05 cs.SE
Traceability in the Wild: Automatically Augmenting Incomplete Trace Links
Technical University Ilmenau(伊尔梅瑙工业大学);University of Notre Dame(圣母大学);McGill University(麦吉尔大学)
本文针对提交与问题之间追溯链接缺失的问题,提出利用过程与文本特征训练分类器自动识别缺失的问题标签,在六个开源项目上取得平均96%召回率和33%精确率,并能有效扩充现有追溯链接。
2018-04-06 cs.SE
Second-Guessing in Tracing Tasks Considered Harmful?
[背景和动机]跟踪矩阵是任务和安全关键软件系统开发的关键,对所有软件系统都很有用,但用于恢复跟踪链接的自动化方法还远远不够完美。这种限制使得必须审查恢复的跟踪链接的人类分析师的工作更加困难。[问题/难题]早期的研究表明,执行跟踪恢复任务时的某些分析师行为会导致恢复的跟踪关系的准确性降低。我们提出了一个三步的实验研究:(a)确定是否真的有行为,导致错误的判断分析,(b)增强需求跟踪软件,以减少这种行为,(c)确定是否减少这种行为的结果在增加的准确性。[主要思想/结果]我们报告了我们进行的初步研究,其中我们修改了RETRO.NET的用户界面,以减少早期工作中指出的两种行为。我们报告观察到的结果。[贡献]我们描述并讨论了一项关于潜在不必要的分析师行为的主要研究,并提出了初步研究的结果,以确定通过增强跟踪软件来抑制这些行为是否会导致更少的人为错误。
2018-04-09 cs.SE