摘要
研究介绍
图 1：Control-CPS oracle 问题很难解决，例如 在自动驾驶仪中，如何分辨出正确的物理轨迹？、
1）我们为控制 CPS 软件缺陷定位提出了一个基于 AR-SI 的 Oracle。
2）我们提出了一种相应的代码跟踪准备方法，该方法可以确定性地自动运行。
3）我们将我们提出的方法与人工 Oracle 方法的主流实践进行比较。对注入了实际和人工设置错误的经典控制 CPS 的综合评估表明，我们提出的方法在缺陷定位准确性（召回率）和潜伏期以及 oracle 假阳性/假阴性的概率方面明显优于人工 oracle 方法。我们的方法还有助于发现消费级控件 CPS 中的真实存在的错误。
系统架构和假定：
图 2：一个典型的 Control-CPS 架构
- Y（t）是连续且可微的，频率分量上限
- Δ<=
方法：
由此数学基础得到两点启发，最终提出代码跟踪准备方法，我们提出的方法主要服务于软件缺陷定位工具的三个主流系列：程序频谱，统计数据和机器学习。然后对提出的方法进行评估，该评估回答了以下研究问题：1.我们提出的方法如何对软件缺陷定位的质量做出影响的。2.我们提出的方法如何影响原始 Oracle 质量的。我们将在 ArduPilot 和 IP+CV 控制 CPS 测试台上进行评估，这些测试台上有来自真实或人工注入的各种错误，以回答上述研究问题。
经过评估后对研究问题的回答：
Q1：与人工 Oracle 方法相比，我们提出的方法显着提高了 TA 和 CR 软件缺陷定位的质量（在准确性（召回率）和延迟方面），改善幅度为中到大。
Q2：与人工 Oracle 相比，我们提出的方法显着提高了 Oracle 的原始质量（就假阳性/阴性率而言），改善幅度很大。
除了对注入的错误进行评估之外，我们还应用我们的方法来发现新的实际错误。
总结
致谢
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！