面向大数据环境的网构软件场景理解和功能及能耗保障研究

The Internetware paradigm provides a strong framework support for environment-driven context processing and software evolution. However, nowadays big-data environments have unique characteristics on dynamics, complexity and mobility, and this leads to various challenges to Internetware's context processing and function and energy guarantee. This project plans to investigate the characteristics of Internetware in typical big-data environments, and builds a conceptul model for Internetware's context processing and function and energy guarantee. Based on this model, the project studies a series of critial techniques on parallel constraint checking, spurious inconsistency avoidance, association learning and fault prioritization, state monitoring and environment rematching, trace-based dyanmic tainting, and search-based test coverage. It then develops a prototype platform for Internetware's context processing and function and energy guarantee, and supports execution, deployment and maintenance of big-data oriented Internetware. This project aims to propose and study critical techniques for novel software models and methodologies, and provides technical support for modern software industry.

网构软件为开放环境提供了环境驱动与软件演化的框架支持，当今快速发展的大数据环境具备动态性、复杂性和移动性等特征，这带给了网构软件在场景高效理解和软件功能及能耗保障等各方面新的技术挑战。本项目计划考察网构软件在大数据环境下的特征，建立面向大数据环境的网构软件场景理解和功能及能耗保障概念模型，研究平行约束检测、可疑错误回避、关联挖掘和错误重排、状态监控和环境重配、基于跟踪的动态渲染以及基于遍历的要点覆盖等关键技术，研制网构软件场景高效理解和功能及能耗保障支撑平台，为面向大数据环境的网构软件的运行和维护提供有效支持。本项目的研究旨在为新型软件模型与方法学提供系统化的关键技术支撑，为软件产业的发展提供创新技术支持。

本项目关注面向大数据环境的网构软件场景理解和功能及能耗保障方法与技术，在场景高效理解、软件功能保障、以及软件能耗保障三个研究方面都取得了进展和系列成果。在场景高效理解方面，提出了面向环境上下文一致性处理的高效约束检测技术和跨越式检测调度策略；在软件功能保障方面，提出了基于空间采样自适应调整搜索策略的自适应软件测试方法、基于二分协调动态压缩共享内存访问记录的轻量级记录与重放技术、根据验证结果与实际概率差距迭代式校准非确定性模型的信息物理融合系统验证方法、以及利用三阶段灰盒分析生成服务类软件正则表达式攻击字符串的缺陷检测技术；在软件能耗保障方面，针对安卓应用中唤醒锁进行详尽调研并提出了检测唤醒锁误用的静态分析方法、以及对诊断安卓应用传感器利用低效问题进行方法内部细粒度搜索分析以提升检测覆盖率并强化稳定性。研究工作共发表学术论文38篇，其中SCI检索13篇，EI检索35篇，并包括中国计算机学会推荐CCF-A类论文8篇、CCF-B类论文14篇；申请发明专利9项，获得授权2项；并获得包括中国计算机学会CCF青年科学家奖、中国计算机学会CCF优秀博士学位论文奖、以及ACM SIGSOFT杰出论文奖等在内的多项科研奖励。本项目也培养了多名研究生，其中4名博士生毕业并获得博士学位、11名硕士生毕业并获得硕士学位。