随着软件迭代的不断加速,软件的缺陷也随之变得越来越多、越来越复杂。为了保证软件的稳定运行,软件的开发者们需要不断地修复这些缺陷。在修复缺陷时,必须首先定位到缺陷的位置。然而随着缺陷的多样化,往往开发者要花费大量的时间首先理解软件的结构与缺陷的原理,才能够完成缺陷定位的工作。因此开发自动化的缺陷定位技术是非常有必要的。目前的一些研究工作已经提出了自动化的缺陷定位方法,其中比较知名的两类是基于程序频谱与基于突变的缺陷定位技术。这两类技术以带有缺陷的程序和测试用例作为输入,并输出一组排序过的代码位置代表程序中可能出错的地方。这两类技术在一些程序缺陷上取得了不错的效果,但同样也存在一些问题。首先,基于程序频谱的方法仅使用原测试中语句的覆盖信息作为语句可疑度的计算基础,因此无法区分相同执行模式语句。同时,基于突变的方法需要进行大量的程序突变和测试,这将带来很高的时间开销。在现有的两个工作MUSE和Metallaxis中,语句的可疑度仅与该语句上的程序变体相关,因此无法对不能进行突变的语句给出可疑度。为了解决以上问题,本文提出了一种基于突变的高效缺陷定位方法,主要包括以下几个部分:1.本文提出了一种高效的基于突变的缺陷定位方法,包含两个部分。首先,我们改进了变异测试的过程,通过使用动态程序切片结果进行突变以及收集变异测试执行信息;然后我们设计了新的可疑度计算方法,通过使用动态程序切片和变异测试执行信息,使得定位真实程序缺陷更加高效。2.我们设计并实现了方法对应的工具。通过使用胶水语言Python,结合突变工具PIT和程序动态切片工具JavaSlicer,我们针对Java语言实现了缺陷定位的原型工具。3.为了验证方法的有效性,我们在Defects4J数据库的262个真实程序案例上进行了分析。通过与7个其他的技术的对比表明,我们的方法在真实程序缺陷上能够取得更好的定位效果。