Uma abordagem para redução do custo do Teste de Mutação utilizando Redes Neurais

Durante o processo de criação de um software, é essencial conduzir atividades com o objetivo de revelar a existência de possíveis defeitos. Nesse contexto, as atividades de Teste de Software permitem o fornecimento de evidências da confiabilidade do software. Para tanto, o Teste de Software possui várias técnicas que podem ser aplicadas com suas diferentes características. Uma das técnicas existentes é o Teste Baseado em Defeitos em que o principal critério dessa técnica é o Teste de Mutação. O Teste de Mutação ocorre por meio da criação de programas mutantes se baseando no programa original, realizando alterações sintáticas no programa com objetivo de alterar a semântica. Se um caso de teste detectar o mutante do programa original, ele possui maior probabilidade de revelar defeitos. Porém, o Teste de Mutação possui algumas limitações, tais como a geração de mutantes equivalentes, a geração de mutantes redundantes e também a grande geração de mutantes. Recentemente, técnicas de Aprendizado de Máquina têm sido aplicadas para auxiliar o Teste de Software e também o Teste de Mutação. Este trabalho de mestrado tem como principal objetivo de projetar uma abordagem de redução desse custo do teste de mutação. Dessa maneira, pretende-se utilizar técnicas de Aprendizado de Máquina e Redes Neurais para desenvolver a abordagem. Tal abordagem permitirá uma melhora na eficiência da aplicação do critério permitindo uma redução da geração de mutantes.