《遗留代码迁移难题有解:“锁匠循环”法提高 COBOL - Java 迁移覆盖率》
跳过至主要内容 [搜索][提交][捐赠] [登录]
搜索 arXiv
按回车键进行搜索 * [高级搜索]
计算机科学 > 软件工程
arXiv:2607.28271(cs)
[于 2026 年 7 月 30 日提交]
一、论文介绍
作者为[安德拉什·费伦齐]、[乔丹·多彻蒂]、[玛丽亚·贝索诺夫]、[马修·芬德利]、[克里希纳·林加姆内尼]。可查看由安德拉什·费伦齐等 5 位作者撰写的《遗留代码迁移的确定性验证代理方法》论文 PDF。
[查看 PDF] [HTML(实验性)]
摘要
将遗留的 COBOL 程序迁移到 Java 需要进行大量测试,以确保功能的正确性。由于缺乏测试数据,且难以验证所有极端情况,这一工作往往变得复杂。在本文中,提出了一种新颖的代理测试合成方法——“锁匠循环”。该方法首先准备两个运行时环境:对 COBOL 源程序和生成的 Java 目标程序分别使用模拟对象进行插桩,并在通用硬件上脱离大型机执行。然后,通过一个迭代的代理循环对输入模拟对象进行见证搜索,以穿透程序分支,随后进行保持奇偶性的变异。当到达路由边界时,分析器会识别出一个“锁定段落”,即阻碍进一步探索的条件。
在三个 COBOL - Java 案例研究中,涵盖两个开源程序和一个类似内部生产环境的 COBOL 程序,源代码行数从 430 到 4114 不等,“锁匠循环”方法始终能突破输入搜索的瓶颈,提高覆盖率。在两个开源程序上实现了近乎完全的覆盖,在类似内部生产环境的 COBOL 程序上实现了 91.90% 的分支覆盖率。在所有通过的测试用例中,生成的 Java 程序在确定性奇偶校验下与 COBOL 参考程序相匹配。据了解,这些研究结果展示了一种使用确定性预言机验证代理编码输出的新颖方法。
二、评论信息
评论显示:
| 11 页,6 幅图 |
| 主题:| 软件工程 (cs.SE);人工智能 (cs.AI) |
| 引用方式:| [arXiv:2607.28271] [cs.SE] | (或针对此版本使用 [arXiv:2607.28271v1] [cs.SE]) | https://doi.org/10.48550/arXiv.2607.28271 |
三、提交历史
来自:安德拉什·费伦齐 [[查看邮箱]]
[v1]2026 年 7 月 30 日,星期四,14:25:23 UTC(2963 KB)
四、获取论文
可查看由安德拉什·费伦齐等 5 位作者撰写的《遗留代码迁移的确定性验证代理方法》论文 PDF。
* [查看 PDF]
* [HTML(实验性)]
* [TeX 源代码 ]
[查看许可协议]
当前浏览上下文:
cs.SE
[< 上一篇] | [下一篇 >]
[最新文章] | [近期文章] |[2026 年 7 月]
切换浏览类别:
[计算机科学 (cs)]
[人工智能 (cs.AI)]
参考文献与引用
* [NASA ADS]
* [谷歌学术]
* [语义学术]
导出 BibTeX 引用 加载中...
五、BibTeX 格式引用
×
加载中...
数据提供方:
书签
[] [
]
六、文献工具
文献与引用工具
文献浏览器 切换
文献浏览器 _([什么是文献浏览器?])
关联论文 切换
关联论文 _([什么是关联论文?])
Litmaps 切换
Litmaps _([什么是 Litmaps?])
scite.ai 切换
scite 智能引用 _([什么是智能引用?])
七、代码、数据、媒体
与本文相关的代码、数据和媒体
alphaXiv 切换
alphaXiv _([什么是 alphaXiv?])
代码链接 切换
CatalyzeX 论文代码查找器 _([什么是 CatalyzeX?])
DagsHub 切换
DagsHub _([什么是 DagsHub?])
GotitPub 切换
Gotit.pub _([什么是 GotitPub?])
Huggingface 切换
Hugging Face _([什么是 Huggingface?])
ScienceCast 切换
ScienceCast _([什么是 ScienceCast?])
八、演示
演示项目
Replicate 切换
Replicate _([什么是 Replicate?])
Spaces 切换
Hugging Face Spaces _([什么是 Spaces?])
Spaces 切换
TXYZ.AI _([什么是 TXYZ.AI?])
九、相关论文
推荐器与搜索工具
链接到影响力图谱
影响力图谱 _([什么是影响力图谱?])
CORE 推荐器 切换
CORE 推荐器 _([什么是 CORE?])
* 作者
* 会议
* 机构
* 主题
十、关于 arXivLabs
arXivLabs:与社区合作的实验项目
arXivLabs 是一个框架,允许合作者在网站上直接开发和分享新的 arXiv 功能。与 arXivLabs 合作的个人和组织都认同并接受开放、社区、卓越和用户数据隐私价值观。arXiv 致力于这些价值观,并且只与遵守这些价值观的合作伙伴合作。
若有一个能为 arXiv 社区增值的项目想法,可[**了解更多关于 arXivLabs 的信息**]。
[本文的哪些作者是认可者?] | [禁用 MathJax] ([什么是 MathJax?])
衷心感谢主要资助者、[**会员机构**] 以及所有贡献者的支持。
[关于] * [帮助] *[联系我们] *[订阅] *[版权] *[隐私] *[可访问性] *[运营状态(在新标签页打开)]
主要资金支持来自
[] [
] [
]