An effective change-points detection via genetic algorithm for improving software reliability prediction

Abstract

소프트웨어 신뢰성은 특정 환경에서 정해진 시간 동안 소프트웨어가 실패 없이 동작 할 확률로 소프트웨어의 결함을 정량화 했다는 점에서 중요한 소프트웨어 품질 요소 중 하나로 많이 언급 되고 있다. 이러한 소프트웨어 신뢰성을 예측하기 위하여, 수년간 많은 소프트웨어 신뢰성 성장 모델이 제안되었다. 기존의 소프트웨어 신뢰성 성장 모델은 폴트가 발견되는 비율 (fault de-tection rate, FDR)을 상수이거나 변화가 적은 형태의 함수로 가정하였다. 하지만, FDR은 테스팅 과정 중 발생 할 수 있는 FDR과 관련된 요인에 의해 계속적으로 변한다. 이러한 FDR의 변화를 소프트웨어 신뢰성 성장 모델에 반영 하기 위해서, Change-points 가 반영된 소프트웨어 신뢰성 성장 모델이 제안되었다. Change-points는 FDR의 변화와 관련된 요인이 발생하는 시점이다. FDR의 변화를 줄 수 있는 요인으로는 테스팅 환경의 변화, 테스터의 숙련도 변화와 같이 테스팅과 관련된 모든 것들이 될 수 있다. 이러한 요인들은 셀 수 없이 많고 어떤 것이 실제로 FDR의 영향을 줄 수 있는지 알 수 없다. 그렇기 때문에 특정한 요인을 정해서 그 특정 요인이 발생하는 시점을 Change-points로 정하는 것은 현실적이지 않다. 그리고 Change-points를 탐색하는 다른 방법들도 각각 한계점들이 존재한다. 본 논문에서는 Change-points가 반영된 소프트웨어 신뢰성 성장 모델의 정확도를 향상 시키기 위해 유전자 알고리즘을 이용하여 효과적으로 Change-points를 탐색하는 방법을 제안하였다. 가장 정확한 Change-points를 찾기 위해서는 Change-points의 가능한 모든 조합을 계산하여 가장 FDR의 변화를 정확하게 반영하는 조합을 찾아야 한다. 하지만 계산 하는데 너무 많은 시간이 걸리기 때문에 이 방법은 시간상 불가능하다. 그래서 본 논문에서는 탐색 공간이 큰 문제의 최적의 해를 찾는 유전자 알고리즘을 도입하여 Change-points를 탐색하는 방법을 제안하였다. 그리고 유전자 알고리즘의 특성은 기존의 Change-points를 찾는 방법들의 한계점 또한 해결 할 수 있다. 본 논문에서는 제안한 방법의 검증을 위해 세가지 실제 소프트웨어 프로젝트의 소프트웨어 실패데이터를 사용하였다. 실험결과 제안한 방법이 탐색한 Change-points를 적용한 모델들이 가장 높은 정확도를 보였다. 그러므로, 제안한 방법이 기존의 다른 방법들보다 정확한 Change-points를 탐색 할 수 있다는 것을 보여주었다.