时 间：2020年9月15日（周二）下午2点

地 点：计算机科学与技术学院六楼会议室

题 目：基于锚定分析的测试抄袭检测

摘 要：测试自动生成可以有效提高测试用例生成效率，但其生成结果也会存在大量冗余，带来额外的测试开销。因此，测试人员在测试前通常会通过人工，或借助自动化手段识别、去除测试代码中的冗余部分，实现测试用例集优化，从而避免测试资源浪费。我们提出一种基于锚定分析的测试片段化技术MAF（Method-Anchored Test Fragmentation），并结合相似性度量实现测试冗余的有效识别。MAF引入双向静态切片来提取锚定测试代码片段（以下简称锚定片段），每个锚定片段专用于测试待测程序的某个方法。在测试抄袭检测场景下，基于Mooctest平台数据集开展了实证研究。实证研究结果表明：MAF可以有效提高测试代码抄袭检测性能（包括精度、召回率和 F1-Measure）。我们相信MAF可以进一步扩展应用到测试推荐、测试重用等软件工程领域和教育教学中。

个人简介：王兴亚，博士/博士后，南京大学软件学院博士后。2017年从中国矿业大学毕业并获得博士学位，主要研究方向为区块链（智能合约）分析与测试、软件缺陷故障定位。参与国家自然科学基金项目多项，主持江苏省博士后科研资助计划、计算机软件新技术国家重点实验室创新项目各1项，发表学术论文20余篇，申请发明专利20余项（已授权7项），发表学术专著一部。

发布：计算机科学与技术学院，审核：沈航