EMPRESS: Extrahieren von probabilistischen Ereignisstrukturen eines Softwaresystems


Ziel des Forschungsfeldes "specification mining" ist es, Modelle aus laufenden Softwaresystemen zu extrahieren und zu rekonstruieren. Diese Modelle sollten dann so genau sein, dass sie auch als Spezifikationen für das Softwaresystem dienen können. Derzeitig erzeugen "specification mining" Ansätze jedoch vorwiegend exakte Modelle, welche genau das beobachtbare Systemverhalten widerspiegeln oder in einer geeigneten Abstraktion ein vereinfachtes Verhalten, bei dem unwahrscheinliches Verhalten ignoriert wird. Das Projekt EMPRESS zielt darauf ab, probabilistische Modelle zu erzeugen, welche auch den Grad der Wahrscheinlichkeit enthalten. Diese probabilistischen Modelle werden dazu genutzt, gezielt die folgenden Softwaretechnikaktivitäten zu verbessern: Laufzeitüberwachung, Softwaretests, Debugging, und automatisierte Parallelisierung. Die Herausforderungen des Projektes sind: (1.) Mit effektiven Methoden gezielt probabilistische Modelle aus einem Softwaresystem zu extrahieren und (2.) geeignete Abstraktionen zu finden, um die angesprochenen Softwaretechnikaktivitäten bestmöglich zu unterstützen.


Projektleitung
Grunske, Lars Prof. Dr. (Details) (Softwaretechnik)

Laufzeit
Projektstart: 10/2016
Projektende: 04/2020

Forschungsbereiche
Softwaretechnik und Programmiersprachen

Forschungsfelder
Informatik, Softwareengineering

Publikationen
[3] Yannic Noller, Hoang Lam Nguyen, Minxing Tang, Timo Kehrer, Lars Grunske: Complete Shadow Symbolic Execution with Java PathFinder. ACM SIGSOFT Software Engineering Notes 44(4): 15-16 (2019)

[2] Sergey Mechtaev, Manh-Dung Nguyen, Yannic Noller, Lars Grunske, Abhik Roychoudhury: Semantic program repair using a reference implementation. ICSE 2018: 129-139

[1] Esteban Pavese, Ezekiel O. Soremekun, Nikolas Havrikov, Lars Grunske, Andreas Zeller: Inputs from Hell: Generating Uncommon Inputs from Common Samples. CoRR abs/1812.07525 (2018)

Zuletzt aktualisiert 2021-21-01 um 12:03