一种面向群智化软件的可信性评估研究方法

随着互联网“将智能互联”这一崭新角色的逐渐展现，已促使软件开发由传统方式衍变成为依靠软件资源开放共享及群体协作互助来完成，由此形成了群智化软件。群智化软件虽凝聚了软件资源及群体协作者智慧，但也引入了新的可信性问题：一方面，如果已知某一开放软件资源的可信性，如何确定其中的资源片段可信性，而如何针对由诸多来源不一的资源片段聚合形成的群智化软件整体进行可信性评估也成为了新的问题；另一方面如何确定开发过程中群体协作者使用的智能方法和工具自身及其运行环境、行为结果的可信性，以往的可信性评估还没有考虑到这些新出现的影响因素。根据群智化软件开发范式及技术生态，提出适合群智化软件的新型生存周期模型及质量模型，构建面向群智化软件的可信性层次化指标体系，制定可信性量化数据智能化采集及预处理技术路径，设计可信性数据推理融合模型及可信状态预测演化模式，形成群智化软件的动态可信性智能化评估方法。

依据“可信性需求-可信性指标体系构建-可信性量化数据收集-可信性评估计算-可信性结果处理”的研究思路，形成如图1所示的研究方案：
第一步：研究基于资源挖掘的群智化软件生存周期模型——DRAFVE模型。在充分理解群智化软件开发思想和过程机理的基础上，分析其软件研发活动中的关键行为和核心技术路径，结合以往的软件生存周期划分方式，建立与群智化软件生长模式相适应的生存周期模型。
第二步：研究基于资源信誉认证的群智化软件质量模型。根据DRAFVE生存周期模型的特点，对各个生存阶段中所要求群智化软件必须具备的质量保证因素进行分析，结合可信性评估需求，针对各个生存周期环节建立阶段可信性目标层次化模型——IAFM模型，形成群智化软件质量模型指导下的可信性评估指标体系，使可信性评估过程与软件质量保障相结合。

图1 研究方案示意图
第三步：研究基于知识图谱的可信性定量采集及数据预处理技术。针对IAFM模型度量项的需求，提取出核心的数据项，根据知识图谱构成规律，以核心数据项为中心按关联度由强到弱逐层递减形成核心数据相关项，并将关联信息进行量化表示，形成一个或多个数据集群，采用数据预处理技术，对数据集群进行量化表示的归一化处理。
第四步：研究基于神经网络的可信性证据推理机制。基于IAFM模型构造特点，理清各层次间显式及隐式关系，逆向构造与IAFM模型相对的层次化数据融合模型，结合神经网络思想，建立用于触发层次间数据融合行为的证据推理机制，通过对各阶段关系传递形式化表达式逐步完成消元操作，获得DRAFV生存阶段的可信性数据融合结果。
第五步：研究基于马尔可夫模型的可信性预测演化。分析运行时态下的群智化软件功能演化需求，根据层次化数据融合模型提供的关系网络，结合马尔可夫模型原理，针对软件可达的演化状态进行可信性预测，防止引入新的风险缺陷和漏洞，避免可信性保障遭受破坏，在不失可信性目标的前提下，发现最优的可信状态演化策略。
第六步：形成基于推理演化的动态可信性智能化评估方法。在基于神经网络的可信性证据推理机制触发的数据融合行为结果基础上，根据数据相关性进一步完成分类聚合，以进行基于马尔可夫模型的可信性预测演化，获得可达的可信状态空间集，按照新的需求目标择优形成演化路径，体现可信性评估对软件维护与再生的指导意义。

作者：覃杨森
联系邮箱：[email protected]
声明：转载及使用请注明来源
关键字：群智化软件；可信性评估；软件评估