近日，2022级博士生谢子凡（导师文明副教授）的论文 “Effective Isolation of Fault-Correlated Variables via Statistical and Mutation Analysis”被 IEEE Transaction on Software Engineering（TSE） 录用。

在实践中，开发人员在调试时监测程序变量的值是一种被广泛采用的策略，这种实用的调试策略可以帮助开发者理解和定位目标故障。该论文研究旨在自动识别给定故障相关的可疑变量，用于解决现有错误定位技术所面临的粗粒度的局限性。然而，精确定位与故障相关的变量是具有挑战性的，因为在程序中通常会使用或定义大量不同的变量，而且其中有很多是在同一个基本块中，对于给定的测试套件，这些基本块要么被执行要么不被执行，所以不能从中很好地区分错误相关变量。为了应对这种挑战，论文提出了IsoVar，即一个定位故障相关变量的两阶段模型。具体来说，IsoVar首先提出变量执行矩阵进行统计分析，以确定一组可疑的变量。其次，它在字节码水平上应用微小的突变后，动态地观察这些变异体对程序的影响，以进一步分离出与故障相关的变量。在基准数据集Defects4J和Bears上进行的大量实验表明，IsoVar可以超过最先进的技术，提升MAP（Mean Average Precision，平均精确度）为13.0%，MRR（Mean Reciprocal Rank，平均倒数排名）为19.3 %。更重要的是，研究人员将 IsoVar纳入了11个现有的错误定位工具以及14个程序自动修复工具，现有错误定位技术的性能可以得到显著提高，即MAP的改进范围从16.7%到218.8%，MRR的改进范围从18.4%到199.4%。对于自动程序修复，正确补丁的排名可以显著提高，可以将现有技术的精度从69.6%提高到79.7%。

IEEE Transaction on Software Engineering是软件工程领域最权威的国际学术期刊之一，主要关注软件开发和维护、软件测试和验证、软件项目管理等前沿研究。2022年影响因子为9.322，属于CCF推荐A类期刊，也是中科院一区期刊。

（通讯员：谢子凡）