李鹏宇， 江云松， 高 猛， 滕俊元

北京轩宇信息技术有限公司, 北京 100090

0 引 言

随着航天软件的数量、复杂性和规模急剧增加，软件系统变得日趋庞大和难以驾驭，软件的体系结构也从过去的单任务顺序运行逐渐演变为多任务并发运行，软件的开发和集成变得越来越复杂，航天任务对软件的功能要求越来越强大，可信性要求越来越高.航天软件缺陷的主要特点是强实时中断问题多、故障处理策略和状态转换时序约束强、太空辐射可能改变软件运行状态等.软件测试作为保证软件产品质量，提升软件可信性的重要措施，目前在第三方确认测试中，主要通过代码审查和动态测试发现软件函数模块中的缺陷，然而这种静态和动态的测试方法对人的能力、经验依赖较大，需要投入大量代码审查时间和动态测试覆盖率分析，很难满足航天软件研制和测评进度紧、质量高的要求.

近年来，软件缺陷预测[1-3]成为智能软件工程领域研究的热点，软件缺陷预测主要是根据历史数据来预测软件中潜在的缺陷，国内外学者针对软件缺陷预测模型和方法进行了大量的学术研究，取得了很好的成效.WAHONOZAI[4]从研究趋势、数据集、方法和框架3个维度，阐述了2000～2013年的软件缺陷预测研究成果.HASSAN等[5]总结了2009～2018年的软件缺陷预测研究成果，包括6个类别(Bayesian算法、Decision Tree算法、Clustering算法、Artificial Neural Networks算法、Deep Learning算法、Ensemble Learning算法)30种软件缺陷预测模型.CHRIS等[6]提出AutoWEKA分类算法的组合选择和超参数优化，通过3种集合方法，14种……