• 소프트웨어공학소사이어티 논문지
• /
• 제14권1호
• /
• pp.50-58
• /
• 2001

소프트웨어의 품질은 개발이 완료된 후 운영과정에서 발생되는 고장(Failure)의 정도에 따라 결정되고, 고장(Failure)은 소프트웨어에 남아있던 오류(Defects)가 실행 중(Activate)되어 나타나는 현상이다. 따라서 소프트웨어의 품질을 효과적으로 높이기 위해서는 다음 사항을 고려해야 한다. 첫째, 오류가 만들어지면 가능한 한 빨리 찾아서 없애야 한다는 점이다. 다음 단계로 전이될 경우, 오류를 정정하는 비용이 크게 증가되기 때문이다. 둘째, 오류가 균등 분포하기 보다 특정 부분에 몰리는 경향이 있으므로, 문제 부품을 예측하여 집중 관리를 해야 한다. 본 논문에서는 이들을 고려하여 효과적인 오류 검출 방법인 인스펙션을 기반으로 여러 오류 검출 방법간의 비교 우위를 분석하고, 모든 모듈을 예측하는 품질 예측 모델을 제시하였다.

• 정보처리학회 논문지
• /
• 제13권5호
• /
• pp.236-242
• /
• 2024

소프트웨어 결함 예측(SDP)은 오류가 발생할 가능성이 있는 모듈을 사전에 식별하여 소프트웨어 개발의 효율을 높이고 있다. SDP에서의 주과제는 예측 성능을 향상시키는것에 있다. 최근 연구에서는 딥러닝 기법이 소프트웨어 결함 예측(SDP) 분야에 적용되어 있으며, 특히 구조화된 데이터를 분석하는 데 뛰어난 성능을 보이고 있는 SAINT 모델이 주목받고 있다. 본 연구는 SAINT 모델을 다른 주요 모델(XGBoost, Random Forest, CatBoost)과 비교하여 SDP에 적용 가능한 최신 딥러닝 기법을 조사하였다. SAINT는 일관되게 우수한 성능을 보여주며 결함 예측 정확도 향상에 효과적임을 입증하였다. 이 연구 결과는 실용적인 소프트웨어 개발 상황에서 결함 예측 방법론을 발전시킬 수 있는 SAINT의 잠재력을 강조하며, 교차 검증, 특성 스케일링, 비교 분석 등을 포함한 철저한 방법론을 통해 수행되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.376-378
• /
• 2003

소프트웨어 개발 중 분석과 설계 단계에서 만들어진 산출물을 이용하여 개발될 소프트웨어의 신뢰도를 예측하는 초기 소프트웨어 신뢰도 모델은 소프트웨어의 품질을 보증하는 유용한 도구로써 사용될 수 있다. 기존의 소프트웨어 신뢰도 모델은 개발될 소프트웨어의 품질에 한정하여 신뢰도를 예측함으로써 기존 시스템과 연계된 신뢰도를 예측하는데 한계가 있다는 단점과 개발자의 개발 능력이 개발될 소프트웨어 신뢰도에 미칠 영향을 고려하는데 한계가 있다는 단점이 있었다. 그러므로, 본 논문은 기존 시스템과의 연관성을 고려한 초기 소프트웨어 신뢰도 모델을 기준으로 개발자의 개발 능력을 고려한 종합적인 초기 신뢰도 모델을 제시하였다.

• 전자통신동향분석
• /
• 제15권5호통권65호
• /
• pp.94-102
• /
• 2000

시험기간 동안 수집된 고장 데이터를 이용하여 소프트웨어 신뢰도를 예측할 수 있는 모델은 많으나 이 예측 방법은 정확하지 못하며, 특히 초기 시험 단계에서는 더욱 더 부정확하여 예측자들은 이러한 소프트웨어 신뢰도 모델의 적용을 주저한다. 한편 소프트웨어 신뢰도 성장 모델은 유사 프로젝트나 개발 초기에 얻은 정보를 가지고는 신뢰도 예측 데이터로 활용이 불가능하다. 예를 들면 최근의 소프트웨어 시스템들은 항시 유사 프로젝트들로부터 활용이 가능한 일련의 정보와 동일 응용 영역의 초기 또는 최신의 정보들이 변경, 개선되기 때문이다. 본 논문에서는 유사한 프로젝트로부터 얻은 공통의 데이터들을 활용하여 소프트웨어 신뢰도를 예측할 수 있는 방법들을 제안한다. 특히 일반적으로 사용되고 있는 Goel-Okumoto(G-O) 모델이나 고장 검출률을 이용하거나 시험 데이터를 활용하는 방법 등을 이용하여 모델 파라미터를 추정하고 실제 프로젝트 수행중에 얻어진 각종 결과를 토대로 해서 Numerical Algorithm이 아닌 통계적인 관점의 분석 결과와 MLE(Maximum Likelihood Estimation) 추정 방법 등을 동원하여 초기에 우리 프로젝트에 맞는 정확한 소프트웨어 신뢰도 평가 방법을 제안하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.831-832
• /
• 2009

개발된 소프트웨어를 사용자에게 양도하기 위해서는 소프트웨어에 잠재되어져 있는 고장을 모두 수정하여야 한다. 현재 국제 표준에서 제시하고 있는 소프트웨어 품질 평가를 위해서도 소프트웨어에 잠재되어져 있는 고장 수의 예측은 중요한 과제이다. 이러한 측면에서 소프트웨어의 고장을 예측하기 위한 방안을 제시하고, 실제적인 고장 시간에 대한 예제를 통해서 소프트웨어의 품질을 측정할 수 있는 방법을 제시한다.

• 한국지능시스템학회논문지
• /
• 제16권4호
• /
• pp.416-422
• /
• 2006

소프트웨어 개발 인력 프로파일에 대한 현존하는 모든 통계적 모델들은 소프트웨어 사용과 개발 프로세스의 가정에 기반을 두고 있어 일반적으로 적용 가능한 추정과 예측 모델이 없는 실정이다. 본 논문은 예측필터를 적용하여 소프트웨어 개발 투입 인력 프로파일을 예측하였다. 먼저 소프트웨어 개발 인력분포를 살펴보고, 예측필터를 적용하기 위해 모델의 입력 -출력, 모수를 결정하는 방법을 제시하였다. 이어서 제안된 모델의 유용성은 실제 개발된 소프트웨어 프로젝트로부터 획득된 데이터 분석으로 경험적으로 검증되었다. 평균 상대오차와 Pred(0.25)에 기반하여 제안된 예측필터는 잘 알려진 통계적 추정 모델들과 비교되었다. 검증 결과 예측필터는 단순한 구조를 갖고 있으면서도 소프트웨어 인력분포를 적절히 표현하는 결과를 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (A)
• /
• pp.580-582
• /
• 2001

현재 소프트웨어 개발 주기의 초기 단계에서 소프트웨어의 개발과 유지보수를 위한 비용과 노력을 미리 예측하는 소프트웨어 규모 예측 방법이 요구되고 있다. 이에 따라 소프트웨어 규모 예측 방법을 위한 수백개의 메트릭스가 제안되고 있지만, 난해하고 복잡한 측정 방법으로 인해 소수의 실제 전문가에 의해 사용되고 있다. 이용할 해당 메트릭스의 장점과 단점을 파악하고 적용시켜야 시행착오를 피할 수 있다. 본 논문에서는 객체지향 시스템 분석 단계에서 주로 작성되는 UML Use Case 다이어그램 분석을 통해 소프트웨어 규모 예측을 하는 방법을 비교 분석한다. 이를 따르면 메트릭스를 적절히 사용하여 보다 효율적인 소프트웨어 프로젝트 관리를 할 수 있을 것이다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권4호
• /
• pp.393-401
• /
• 2000

본 논문은 주어진 고장 데이타로부터 소프트웨어의 신뢰성 예측력 향상을 위해 뉴로-퍼지 시스템 연구를 수행하였다. 다른 소프트웨어로부터 수집된 10개의 고장 수 데이타와 4개의 고장시간 데이타에 대해 규칙의 수를 변경시키면서 다음 단계 예측을 실험하였다. 뉴로-퍼지 시스템의 예측력을 보이기 위해 다음 단계 예측에 대해 비교하였다. 실험 결과 뉴로-퍼지 시스템은 다양한 소프트웨어에 잘 적용되었다. 또한 널리 사용되고 있는 신경망과 통계적 소프트웨어 신뢰성 성장 모델의 예측력과 견줄 정도의 좋은 결과를 얻었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.755-756
• /
• 2020

부호가 있는 소셜 네트워크는 친구, 호감, 동의의 긍정적인 관계와 적, 불호, 반대의 부정적인 관계가 함께 표현된 네트워크이다. 이러한 네트워크를 활용한 대표적인 애플리케이션으로, 각 사용자의 관계가 긍정적인 관계인지 부정적인 관계인지 예측하는 부호 예측 문제가 있다. 이러한 부호 예측 문제를 해결하는 대표적인 방안은 네트워크의 구조적 특징들을 활용하는 것이다. 본 논문에서는, 실세계 데이터 집합들을 활용한 실험을 통해 기존 부호 예측 방법들에서 활용하는 각 특징이 부호 예측 문제의 정확도에 얼마나 기여하는지 분석하고자 한다.

• 정보보호학회논문지
• /
• 제28권3호
• /
• pp.635-642
• /
• 2018

4차 산업혁명 시대에 우리는 소프트웨어 홍수 속에 살고 있다. 그러나, 소프트웨어의 증가는 필연적으로 소프트웨어 취약점 증가로 이어지고 있어 소프트웨어 취약점을 탐지 및 제거하는 작업이 중요하게 되었다. 현재까지 소프트웨어 취약 여부를 예측하는 연구가 진행되었지만, 탐지 시간이 오래 걸리거나, 예측 정확도가 높지 않았다. 따라서 본 논문에서는 기계학습 알고리즘을 이용하여 소프트웨어의 취약 여부를 효율적으로 예측하는 방법을 설명하며, 다양한 기계학습 알고리즘을 이용한 실험 결과를 비교한다. 실험 결과 k-Nearest Neighbors 예측 모델이 가장 높은 예측률을 보였다.