Data-mining techniques for call-graph-based software-defect localisation [Elektronische Ressource] / von Frank Eichinger

Data-Mining Techniquesfor Call-Graph-BasedSoftware-Defect Localisationzur Erlangung des akademischen Grades einesDoktors der Ingenieurwissenschaftenvon der Fakultät für Informatikdes Karlsruher Instituts für Technologie (KIT)genehmigteDissertationvonFrank Eichingeraus HannoverTag der mündlichen Prüfung: 31. Mai 2011Erster Gutachter: Prof. Dr.-Ing. Klemens BöhmZweiter Prof. Dr. rer. nat. Ralf H. ReussnerKIT – Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.eduData-Mining-Technikenfür Aufrufgraph-basierteSoftware-Defekt-LokalisierungMotivation und ZielSoftware ist selten gänzlich frei von Fehlern und manuelle Fehlersuche ist eine zeit-aufwändige – und damit kostenintensive – Aufgabe. Automatische Fehlerlokalisie-rungstechniken sind daher überaus wünschenswert. Dies trifft insbesondere für großeSoftwareprojekte zu, in denen eine manuelle Fehlerlokalisierung nur mit erheblichemAufwand möglich ist.Ein noch relativ junger Ansatz zur (halb-)automatischen Fehlerlokalisierung ist dieAnwendung von Data-Mining-Techniken auf Aufrufgraphen von Programmausfüh-rungen. Solche Graphen stellen üblicherweise Methoden als Knoten und Methoden-aufrufe als Kanten dar. Die entsprechenden Fehlerlokalisierungsansätze arbeiten mitFehlern, die in einigen – aber nicht allen – Programmausführungen auftreten.