МЕТОД КІЛЬКІСНОГО ОЦІНЮВАННЯ ЕМПІРИЧНОЇ ПІДТВЕРДЖУВАНОСТИ ІНВАРІАНТНО-ОРІЄНТОВАНИХ СИГНАЛІВ У ЗАДАЧАХ АВТОМАТИЧНОГО ВИЯВЛЕННЯ ПОМИЛОК ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ

Анотація

У статті розв’язано задачу підвищення достовірности автоматичного виявлення помилок у програмному забезпеченні на основі інтеграції формального інваріантного аналізу та методів машинного навчання. Дослідження зосереджено на проблемі розриву між інваріантно-орієнтованими формальними сигналами й емпірично спостережуваними аномаліями виконання програм, що обмежує ефективність як формальних, так і даних-орієнтованих підходів до аналізу логів і метрик. Уперше обґрунтовано метод кількісного оцінювання емпіричної підтверджуваности інваріантно-орієнтованих сигналів на основі їх системного зіставлення з експлуатаційними аномаліями виконання програм. Запропонований метод формалізує межі застосовности інваріантного аналізу, вводить підтверджуваність як самостійний критерій оцінювання якости моделей виявлення помилок і обґрунтовує необхідність інтеграції формального та машинно-навчального рівнів у межах єдиної інформаційної технології. Метод реалізовано через побудову переходів виконання як агрегованих поведінкових одиниць, їх мультимодальне подання за даними журналів і метрик та подальше зіставлення формальних і емпіричних сигналів у спільному аналітичному просторі. Емпіричну верифікацію виконано на датасеті LO2, що репрезентує мікросервісне середовище з журналами виконання, метриками та мітками коректних і помилкових станів. Запропонований підхід забезпечив значення гармонійної міри якости на рівні 0.854 і площі під кривою точності–повноти на рівні 0.873, а також поліпшення структурних характеристик моделі, зокрема коефіцієнта узгоджености до 0.702 та зниження ентропійної змішаности до 0.398. Встановлено, що 81.4% порушень інваріантів мають емпіричне підтвердження в логах виконання, тоді як 18.6% залишаються непідтвердженими. Це кількісно окреслює межу ефективности формального аналізу.