EFSM模型下的字符串测试数据自动生成策略

本篇论文深入探讨了EFSM模型在软件测试中的应用，特别是针对字符串类型测试数据生成这一关键领域的挑战。EFSM模型，作为软件系统建模的一种重要工具，因其在抽象表示软件行为方面的能力而被广泛采纳。软件测试成本高，因此自动化的测试数据生成技术显得尤为重要，特别是对于复杂的数据类型如字符串。 论文首先指出，传统的基于搜索算法的数据生成方法，如遗传算法、模拟退火和禁忌搜索，通常局限于整型、布尔型和二叉树类型数据。然而，字符串类型数据由于其长度不确定和字符范围广泛，使得动态测试中的数据转换和搜索策略在处理这类数据时面临困难，搜索成本极高。 为了克服这一难题，作者提出了一种新的方法，即结合EFSM模型和静态测试的符号执行策略。通过对EFSM模型中的目标路径进行符号执行，研究人员能够收集和解析字符串操作和约束，从而构建出能够覆盖目标路径的测试数据。这种方法避免了直接对字符串进行转换和搜索，而是通过静态分析方式减少了解空间的搜索复杂度，显著提高了测试数据生成的效率。 具体步骤包括建立字符串输入变量模型和操作模型，然后利用符号执行技术，对目标路径上的字符串操作进行静态分析，找出潜在的测试数据。这种方法不仅有助于提高测试覆盖率，还降低了测试成本，对软件质量的保证具有重要意义。 论文的研究背景是基于国家自然科学基金和中央高校基本科研业务费专项资助，由尤枫副教授、边毅博士研究生和赵瑞莲教授共同完成。研究成果发表于2014年，旨在填补基于EFSM模型的字符串类型测试数据生成这一领域的空白，并为软件测试实践提供了实用的改进策略。 这篇论文是一项重要的理论贡献，它提供了一种有效的方法来生成EFSM模型中字符串类型的测试数据，这对软件测试自动化和提高软件可靠性具有实际价值。通过结合EFSM模型和符号执行，论文不仅解决了现有方法的局限性，也为测试数据生成领域的进一步研究开辟了新的思路。