软 件 缺 陷 分 类 标 准 收藏
缺陷的定义
软件没有达到产品说明书表明的功能
软件出现了产品说明书中不一致的表现
软件功能超出产品说明书的范围
软件没有达到用户期望的目标(虽然产品说明书中没有要求)
测试员或用户认为软件的易用性差
不是所有缺陷都会修改
市场的压力使得产品最终发行有时间限制
测试员错误理解或者不正确操作引出的缺陷(FAQ)
错误的修改影响的模块较多,带来的风险较大(遗留)
修改性价比太低(FAQ,遗留)
缺陷报告中提出的问题很难重现
缺陷分析的关注点:
对软件问题的功能域分布进行分析,找出系统的薄弱环节
要详细采集每个功能模块或系统构件的bug数据,并按功能、错误类型、严重程度等分类
比较实际发现的软件bug是否与预期的问题分布相吻合
二八定理:80%的软件问题总是发生在大约20%的功能模块(系统构件)中。
、对bug的注入阶段的分布进行分析,并与历史数据相比较。应按不同的开发阶段详细采集bug的数据
要求软件各开发阶段的缺陷密度小于本单位过去的平均值
而且要求需求分析、设计和代码复查阶段的缺陷排除率之和大于或等于规定值(例如75%)。(同行评审)
应对软件缺陷类型进行分析,以便针对各自的特点,先修复严重缺陷。
软 件 缺 陷 分 类 标 准
分类范畴 子项目 缺陷等级 备注
系统缺陷 由于程序所引起的死机,非法退出 待定 (建议A类) 不能执行正常工作工那或重要功能,使系统崩溃
程序死循环 待定 (建议A类) 或资源严重不足
程序错误 待定 (建议A类)
待定 (建议A类)
数据缺陷 数据计算错误 待定 (建议B类) 严重地影响系统要求或基本功能地实现,且没有
数据约束错误 待定 (建议B类) 办法更正(重新安装或重新启动软件不属更正
数据输入、输出错误 待定 (建议B类) 办法)
待定 (建议B类)
数据库缺陷 数据库发生死锁 待定 (建议B类)
数据库的表、缺省值未加完整性等约束条件 待定 (建议B类)
数据库连接错误 待定 (建议B类)
数据库中的表有过多的空字段 待定 (建议B类)
接口缺陷 数据通讯错误 待定 (建议B类)
程序接口错误 待定 (建议B类)
硬件接口、通讯错误 待定 (建议B类)
待定 (建议B类)
功能错误 程序功能无法实现 待定 (建议C类) 严重的影响系统要求或基本功能的实现,但存在
程序功能实现错误 待定 (建议C类) 合理的更正办法(重新安装或重新启动软件不属
待定 (建议C类) 于更正办法
界面错误 操作界面错误 待定 (建议D类) 使操作者不方便或遇到麻烦,但不影响执行工作
打印内容、格式错误 待定 (建议D类) 功能的实现
删除操作未给出提示 待定 (建议D类)
长时操作未给出提示 待定 (建议D类)
界面不规范 待定 (建议D类)
界面错误详细清单见《界面缺陷分类》 待定 (建议D类)
建议类错误 功能建议 待定 (建议E类) 建议性的改进要求
操作建议 待定 (建议E类)
校验建议 待定 (建议E类)
说明建议 待定 (建议E类)
说明:以上缺陷分类中的内容构成基本缺陷库,根据实际工作总结,将不断扩充、完善。如新增分类,或分类内容均需要经过技术总监与质量主管的认可,备注中的内容为缺陷等级分类说明。
本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/coderzhou/archive/2004/11/28/196717.aspx
分享到:
相关推荐
【基于组合机器学习算法的软件缺陷预测模型】 软件缺陷预测是一种关键的技术,它利用软件产品的度量信息和已知的缺陷数据,提前预测出软件中可能存在但尚未被发现的缺陷。这种预测方法有助于优化测试和验证资源的...
【基于支持向量机的软件缺陷预测模型】是一种利用机器学习技术来预测软件系统中可能出现缺陷的方法。软件缺陷预测在软件开发过程中具有至关重要的地位,因为它可以帮助定位可能存在缺陷的模块,提前进行修复,减少...
基于深度学习的软件缺陷预测模型 本文提出了一种基于深度学习的软件缺陷预测模型,以提高软件的可靠性。传统的软件缺陷预测方法主要是设计静态代码度量,并用机器学习分类器来预测代码的缺陷概率。但是,静态代码...
为了提高软件的可靠性, 软件缺陷预测已经成为... 最后, 用Promise上的历史工程数据来测试模型, 并以AUC和F1-measure为指标与其他3种方法进行了比较, 实验结果显示本文提出的模型在软件缺陷预测性能上得到了一定的提升.
基于改进旋转策略的量子遗传-神经网络算法的软件缺陷预测模型 本文提出了一种基于改进旋转策略的量子遗传-神经网络算法的软件缺陷预测模型,以解决标准量子遗传-神经网络在进行缺陷预测时存在的收敛速度慢、易陷入...
支持向量机(Support Vector Machine,SVM)是一种监督学习模型,它在软件缺陷预测领域得到了广泛应用。SVM的核心思想是找到一个最优超平面,该超平面能够最大程度地分离不同类别的样本点,同时保持最大边距。在软件...
"基于卷积神经网络的代价敏感软件缺陷预测模型" 本资源是关于软件缺陷预测的研究论文,主要介绍了一种基于卷积神经网络的代价敏感软件缺陷预测模型。该模型使用卷积神经网络来挖掘软件源码中的语义特征,然后将这些...
静态软件缺陷预测是软件工程领域的一个重要研究方向,它主要通过对软件代码或开发过程的分析,设计出一系列能够反映软件缺陷的度量指标,然后利用软件的历史数据来构建缺陷预测模型,以预测出潜在存在缺陷的程序模块...
针对当前大多数软件缺陷预测模型预测准确率较差的问题, 提出了结合最小绝对值压缩和选择方法与支持向量机算法的软件缺陷预测模型。首先利用最小绝对值压缩与选择方法的特征选择能力降低了原始数据集的维度, 去除了与...
这个名为“用于做研究的软件缺陷数据集”的压缩包文件为我们提供了一个宝贵的资源,它包含了恶意代码数据集以及NASA软件缺陷数据集,这些都是研究和学习软件缺陷分析与预防的宝贵材料。 首先,恶意代码数据集是了解...
【基于支持向量机的软件缺陷预测模型】是一种利用机器学习技术来预测软件系统中可能存在缺陷的方法。软件缺陷预测在软件开发过程中具有重要意义,因为早期识别潜在缺陷可以降低测试成本,提高软件质量。该模型主要...