"Aprimorando a verificação de conformidade em programas baseadas em contratos".

• Autor(a) principal: MILANEZ, Alysson Filgueira.
• Data de Publicação: 2014
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4875
• topic: Programação por Contratos; Verificação de Conformidade; Sistemas de Software; Programming by Contract; Compliance Check; Software Systems

Teste é comumente usado para verificar conformidade em programas baseados em contrato; uma vez que verificação por provas formais tem baixo poder de escalabilidade e análise estática é, em alguns casos, limitada para identificar não-conformidades mais gerais. Casos de teste tradicionais, com dados de teste providos manualmente, podem ser ineficazes para detectar não-conformidades sutis que surgem apenas após diversas criações e modificações nos objetos sob teste. Essas não-conformidades podem sinalizar bugs mais sutis, diminuindo os benefícios de usar programas baseados em contrato. Casos de teste gerados aleatoriamente com dados de teste gerados automaticamente, por outro lado, são uma abordagem promissora quando testes mais substanciais são necessários. No presente trabalho, propomos e avaliamos uma abordagem, JMLOK 2.0, para detecção e categorização de não-conformidades, no contexto de Java Modeling Language (JML). Nossa abordagem objetiva auxiliar o programador no processo de correção de não-conformidades. A detecção é suportada por uma abordagem de Testes Gerados Aleatoriamente (RGT). E a categorização por uma abordagem baseada em heurísticas. Realizamos duas avaliações. Na primeira, realizamos uma avaliação de nossa abordagem para detecção de não-conformidades e de nosso processo para categorização manual: detectamos 84 nãoconformidades em mais de 29 KLOC e mais de 9 K linhas de contratos JML (que iremos nos referir como KLJML); aplicando nosso modelo de categorização manual, obtivemos que a maioria das não-conformidades detectadas foram classificadas como erros de póscondição; também observamos que uma não-conformidade é detectada após 2.54 top-level chamadas num caso de teste, em média, e que o número de chamadas internas ao caso de teste que revela a não-conformidade é, em média, de 2.23, nos dando evidências da necessidade de uma estrutura de testes mais elaborada para detecção de não-conformidades. Além disso, comparamos nossa abordagem com JET, uma ferramenta existente para detecção de não-conformidades em programas JML baseada em testes, utilizando um subconjunto dos programas usados no primeiro estudo (6 KLOC e 5 KLJML). JMLOK 2.0 detectou 30 não-conformidades com cobertura Java de 78.44% e JML de 67.67%, enquanto que JET detectou 9 não-conformidades cobrindo 47.97% de Java e 56.97% de JML. Na segunda, realizamos uma avaliação da nossa abordagem automática de categorização: comparamos a categorização manual e a automática e tivemos um valor de coincidências de 0.73 (considerando as não-conformidades da primeira avaliação) indicando que há similaridade entre as abordagens de categorização manual e automática; além disso, comparamos os resultados da categorização automática com a categorização realizada por experts em JML e também observamos alguma similaridade entre as abordagens.