변이 분석 예측을 활용한 효율적인 변이 기반 오류 위치 추정 기법

Abstract

소프트웨어 디버깅에서 가장 어려운 문제는 오류의 원인이 되는 코드의 위치를 찾는 것이다. 변이 기반 오류 위치 추정 기법은 변이 분석을 사용해서 오류 위치를 정확하게 찾을 수 있지만 변이 분석에 소요되는 시간 비용이 너무 커서 실용적으로 사용하기가 어렵다. 본 논문에서는 변이 분석 예측을 활용한 효율적인 변이 기반 오류 위치 추정 기법을 제안한다. 시간이 많이 드는 변이 분석을 매 디버깅마다 수행하는 대신 미리 기계 학습을 통해 모델을 생성하고 해당 모델을 활용하여 변이 분석 결과를 예측함으로써 효율적으로 변이 기반 오류 위치를 추정할 수 있다. SIR 벤치마크를 사용한 실험 결과 기존 변이 기반 오류 위치 추정 기법보다 더 적은 시간 비용을 사용하여 정확하게 오류 위치를 추정할 수 있음을 보였다.

One of the most challenging problems in software debugging is localizing the faulty code elements that cause errors. Mutation-based fault localization techniques, which employ mutation analysis, can accurately identify these faulty elements but are often impractical due to the significant time required for mutation analysis. This paper proposes an efficient mutation-based fault localization technique that utilizes predictive mutation analysis. Instead of conducting the time-consuming mutation analysis for every debugging attempt, the proposed approach trains a machine learning model using existing mutation analysis results. This model then predicts the outcomes of further mutation analyses, enhancing the efficiency of fault localization. Experimental results using the SIR benchmark demonstrate that the proposed method can accurately localize faulty code elements while requiring less time than existing mutation-based fault localization techniques.