Mutation testing is a method widely used to evaluate the effectiveness of the test suite in hardware and software tests or to design new software tests. In mutation testing, the original model is systematically mutated using certain error assumptions. Mutation testing is based on well-defined mutation operators that imitate typical programming errors or which form highly successful test suites. The success of test suites is determined by the rate of killing mutants created through mutation operators. Because of the high number of mutants in mutation testing, the calculation cost increases in the testing of finite state machines (FSM). Under the assumption that each mutant is of equal value, random selection can be a practical method of mutant reduction. However, in this study, it was assumed that each mutant did not have an equal value. Starting from this point of view, a new mutant reduction method was proposed by using the centrality criteria in social network analysis. It was assumed that the central regions selected within this frame were the regions from where test cases pass the most. To evaluate the proposed method, besides the feature of detecting all failures related to the model, the widely-used W method was chosen. Random and proposed mutant reduction methods were compared with respect to their success by using test suites. As a result of the evaluations, it was discovered that mutants selected via the proposed reduction technique revealed a higher performance. Furthermore, it was observed that the proposed method reduced the cost of mutation testing.

中文翻译：

---

在社交网络分析中使用中心性标准创建突变体

变异测试是一种广泛用于评估测试套件在硬件和软件测试中的有效性或设计新软件测试的方法。在变异测试中，原始模型会使用某些错误假设进行系统变异。变异测试基于定义良好的变异运算符，该变异运算符模仿典型的编程错误或形成非常成功的测试套件。测试套件的成功取决于通过突变算子杀死的突变体的发生率。由于突变测试中突变体的数量很大，因此在有限状态机（FSM）的测试中，计算成本会增加。在每个突变体具有相等值的假设下，随机选择可以是减少突变体的实用方法。但是，在这项研究中，假设每个突变体的值都不相同。从这一观点出发，在社交网络分析中使用中心性标准提出了一种新的突变减少方法。假定在此框架内选择的中心区域是测试用例通过最多的区域。为了评估该方法，除了检测与模型相关的所有故障之外，还选择了广泛使用的W方法。通过使用测试套件，比较了随机和建议的突变体减少方法的成功与否。作为评估的结果，发现通过提出的还原技术选择的突变体显示出更高的性能。此外，据观察，所提出的方法降低了突变测试的成本。利用社交网络分析中的中心性准则，提出了一种新的变异减少方法。假定在此框架内选择的中心区域是测试用例通过最多的区域。为了评估该方法，除了检测与模型相关的所有故障之外，还选择了广泛使用的W方法。通过使用测试套件，比较了随机和建议的突变体减少方法的成功与否。作为评估的结果，发现通过提出的还原技术选择的突变体显示出更高的性能。此外，据观察，所提出的方法降低了突变测试的成本。利用社交网络分析中的中心性准则，提出了一种新的变异减少方法。假定在此框架内选择的中心区域是测试用例通过最多的区域。为了评估该方法，除了检测与模型相关的所有故障之外，还选择了广泛使用的W方法。通过使用测试套件，比较了随机和建议的突变体减少方法的成功与否。作为评估的结果，发现通过提出的还原技术选择的突变体显示出更高的性能。此外，据观察，所提出的方法降低了突变测试的成本。为了评估该方法，除了检测与模型相关的所有故障之外，还选择了广泛使用的W方法。通过使用测试套件，比较了随机和建议的突变体减少方法的成功与否。作为评估的结果，发现通过提出的还原技术选择的突变体显示出更高的性能。此外，据观察，所提出的方法降低了突变测试的成本。为了评估该方法，除了检测与模型相关的所有故障之外，还选择了广泛使用的W方法。通过使用测试套件，比较了随机和建议的突变体减少方法的成功与否。作为评估的结果，发现通过提出的还原技术选择的突变体显示出更高的性能。此外，据观察，所提出的方法降低了突变测试的成本。