• Journal of Software Engineering Society
• /
• v.14 no.1
• /
• 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.

• The Transactions of the Korea Information Processing Society
• /
• v.13 no.5
• /
• pp.236-242
• /
• 2024

Software Defect Prediction (SDP) enhances the efficiency of software development by proactively identifying modules likely to contain errors. A major challenge in SDP is improving prediction performance. Recent research has applied deep learning techniques to the field of SDP, with the SAINT model particularly gaining attention for its outstanding performance in analyzing structured data. This study compares the SAINT model with other leading models (XGBoost, Random Forest, CatBoost) and investigates the latest deep learning techniques applicable to SDP. SAINT consistently demonstrated superior performance, proving effective in improving defect prediction accuracy. These findings highlight the potential of the SAINT model to advance defect prediction methodologies in practical software development scenarios, and were achieved through a rigorous methodology including cross-validation, feature scaling, and comparative analysis.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• 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.

• Electronics and Telecommunications Trends
• /
• v.15 no.5 s.65
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• 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.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.4
• /
• pp.416-422
• /
• 2006

Most of the existing statistical models of software manpower profile are based on the assumptions of the usage and development process. Therefore, there is no universally applicable estimation and prediction model. To develop a prediction model, this paper suggests the predictive filter as a prediction model for software manpower profile. Firs of all, we investigate the software manpower profile and we suggest the input-output of predictive filter and method for parameter determination. Then, its usefulness is empirically verified by analyzing the actual data obtained from the software projects. Based on the average relative prediction error and Pred(0.25), the suggested predictive filter is compared with other well-known statistical estimation models. As a result, the predictive filter generally has a simple structure and on the other hand, it adapts the software manpower profile very well.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04a
• /
• 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.

• Journal of KIISE:Software and Applications
• /
• v.27 no.4
• /
• pp.393-401
• /
• 2000

This paper explores neuro-fuzzy system in order to improve the software reliability predictability from failure data. We perform numerical simulations for actual 10 failure count and 4 failure time data sets from different software projects with the various number of rules. Comparative results for next-step prediction problem is presented to show the prediction ability of the neuro-fuzzy system. Experimental results show that neuro-fuzzy system is adapt well across different software projects. Also, performance of neuro-fuzzy system is favorably with the other well-known neural networks and statistical SRGMs.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• 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.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.28 no.3
• /
• pp.635-642
• /
• 2018

In the Era of the Fourth Industrial Revolution, we live in huge amounts of software. However, as software increases, software vulnerabilities are also increasing. Therefore, it is important to detect and remove software vulnerabilities. Currently, many researches have been studied to predict and detect software security problems, but it takes a long time to detect and does not have high prediction accuracy. Therefore, in this paper, we describe a method for efficiently predicting software vulnerabilities using machine learning algorithms. In addition, various machine learning algorithms are compared through experiments. Experimental results show that the k-nearest neighbors prediction model has the highest prediction rate.