Sử dụng chuỗi MARKOV đánh giá độ tin cậy phần mềm WEB BASED

1
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG







LƯU THỊ HỒNG QUYÊN

SỬ DỤNG CHUỖI MARKOV ĐÁNH GIÁ
ĐỘ TIN CẬY PHẦN MỀM WEB-BASED

Chuyên ngành: TRUYỀN DỮ LIỆU VÀ MẠNG MÁY TÍNH
Mã số: 60.48.15
Người hướng dẫn khoa học: PGS. TS HUỲNH QUYẾT THẮNG

TÓM TẮT LUẬN VĂN THẠC SĨ


HÀ NỘI – 2012
2
MỞ ĐẦU
Trong thời đại ngày nay, hệ thống dựa trên máy tính
thường được sử dụng cho việc bảo vệ và điều khiển trong các
ngành công nghiệp khác nhau như: ngành công nghiệp hạt
nhân, công nghiệpđiện, cơ khí, dân dụng, y tế … Do hệ thống
bộ điều khiển dựa trên phần mềmlà phổ biến nên phần mềm là
nguyên nhân của hầu hết các vấn đề về hệ thống.
Chúng ta biết rằng chất lượng và tuổi thọ của một hệ thống

phần mềm được xác định bởi kiến trúc của nó.Cấu trúc phần
mềm là lát cắt đầu tiên trong việc giải quyết vấn đề và thiết kế
hệ thống.Độ tin cậy của hệ thống có liên quan đến tính an toàn,
trong đó miền giới hạn an toàn là quan trọng hàng đầu. Vì thế,
các phần mềm được sử dụng trong các hệ thống này phải đáng
tin cậy.
Kỹ thuật độ tin cậy phần mềm là một khía cạnh quan
trọng của rất nhiều những nỗ lực phát triển hệ thống,do đóđã
cómột lượng lớn các nghiên cứu trong lĩnh vực này. Một hoạt
động quan trọng trong kỹ thuật độ tin cậy phần mềm là việc dự
đoán độ tin cậy. Căn cứ vào các dự đoán, việc sử dụng hệ thống
các kịch bản là một cách tiếp cận có triển vọng để sớm dự đoán
độ tin cậy của hệ thống dựa trên thành phần trong chu kì.
Kịch bản (Scenarios) đã được sử dụng phổ biến như là
phương thức để thu thập các yêu cầu hành vi hệ thống. Trước
3
đây cũng đã có một số công trình sử dụng các kịch bản để dự
đoán độ tin cậy của phần mềm dựa trên thành phần, nhưng
chúng sử dụng không chính xác, còn thô sơ và dự đoán một
cách cơ bản theo tuần tự các mô hình kiến trúc hệ thống. Vì
vậy trong đề tài này, chúng ta trình bày một cách tiếp cận mới
dựa trên kịch bản để dự đoán độ tin cậy một cách chính xác
hơn, thuần thục hơn mô hình kiến trúc hệ thống đồng thời được
tổng hợp để tính toán dự đoán độ tin cậy.
Trong luận văn cũng xác định mục đích tìm hiểu và làm
chủ công cụ ứng dụng lý thuyết Markov trong đánh giá độ tin
cậy phần mềm, từ đó áp dụng kỹ thuật kịch bản để đánh giá
một lớp phần mềm cụ thể - phần mềm Web-Based.

CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI
4
1.1 Lý thuyết chuỗi Markov và các ứng dụng trong bài toán
dự đoán
1.1.1 Định nghĩa chuỗi Markov
Chuỗi Markov:Trong toán học, một chuỗi Markov (thời
gian rời rạc), đặt theo tên nhà toán học người Nga: Andrei
Andreyevich Markov, là một quá trình ngẫu nhiên thời gian rời
rạc với tính chất Markov. Trong một quá trình như vậy, quá
khứ không liên quan đến việc tiên đoán tương lai mà việc đó
chỉ phụ thuộc theo kiến thức về hiện tại.
Ta nói rằng dãy các ĐLNN (X
n
) là một chuỗi Markov nếu
với mọi n
1
< < n
k
< n
k+1
và với mọi i
1
,i
2
, ,i

k+1
∈ E
P{ X
n(k+1)
= i
k+1
|X
n1
=X
n2
= i
2
…, X
n(k)
= i
k
}= P{X
n(k+1)
=
i
k+1
|X
n(k)
= i
k
}. (1.1)
Ký hiệu: P
ij
= P{X
n+1

= j|X
n
= i} ; P
ij
(n) = P{X
m+n
= j|X
m
= i} và U(n)=(u
1
(n), , u
d
(n)) là vector hàng d - chiều mô tả
phân bố của X
n
, U = U(0) = (u
1
,u
2
, , u
d
) là vector hàng d -
chiều mô tả phân bố ban đầu (phân bố của X
0
). Ta có một số
tính chất sau:
 P(X
0
= i
0,

X
1
= i
1
, …, X
n
= i
n
) = u
i0
P
i(0)i(1) …
P
i(n-1) i(n).
(1.2)
 U(m + n)= U(m)P
n
; Nói riêng : U(n)= U. P
n
. (1.3)
Mô hình Markov ẩn:Mô hình Markov ẩn (Hidden Markov
Model - HMM) là mô hình thống kê trong đó hệ thống được
mô hình hóa được cho là một quá trình Markov với các tham số
5
không biết trước và nhiệm vụ là xác định các tham số ẩn từ các
tham số quan sát được, dựa trên sự thừa nhận này.:
Một mô hình Markov ẩn bao gồm các thông số sau:
1) Số trạng thái ‘state’ N có trong mô hình và các trạng thái
này là ẩn. Với giá trị tương ứng S=(S
1

, …., S
N
) gọi là tập tất cả
các trạng thái ẩn.
2) A= [a
ij
] xác suất chuyển trạng thái.
3) p= [p
i
] xác suất khởi trạng.
4) q
t
- Trạng thái ở thời điểm t.
5) O
t
(ký hiệu) Quan sát tại thời điểm t.
1.1.2 Tính chất chuỗi Markov
Đặc điểm của một xích Markov được biểu diễn bởi phân
bố điều kiệnP(X
n+1
|X
n
)đó là xác suất chuyển dịch của quy
trình.Xác suất của một chuyển dịnh trong hai, ba, hoặc nhiều
bước hơn được rút ra từ xác suất chuyển dịch một bước và
thuộc tính Markov[25]:
P(X
n+1
|X
n

)=
∫

(


,

| 

)


=
∫

(


|


)
(

|

)

(1.4)

Tương tự,
P(X
n+3
|X
n
)=
∫

(


)
|

∫

(


|


)
(
(


|



)





(1.5)
Xác suất biên (marginal distribution) P(X
n
) là phân bố trên
các trạng thái tại thời điểm n. Phân bố ban đầu là P(X
0
). Sự tiến
6
hóa của quy trình qua một bước được mô tả bằng công thức:
P(X
n+1
) =
∫

(


|

)
|
(



)


(1.6)
1.1.3 Ứng dụng của chuỗi Markov
Các hệ thống Markov xuất hiện nhiều trong vật lí, đặc biệt
là cơ học thống kê. Chuỗi Markov có thể dùng để mô hình hóa
nhiều quá trình trong lí thuyết hàng đợi và thống kê.
PageRank của một trang web dùng bởi Google được định
nghĩa bằng một chuỗi Markov
Chuỗi Markov cũng có nhiều ứng dụng trong mô hình sinh
học, đặc biệt là trong tiến trình dân số.
Một ứng dụng của chuỗi Markov gần đây là ở thống kê địa
chất.
Chuỗi Markov cũng có thể ứng dụng trong nhiều trò game.
Trong ngành quản lý đất đai: người ta còn ứng dụng GIS,
RS và chuỗi Markov vào phân tích sự thay đổi sử dụng đất
(land use change).
1.2 Tổng quan và giới hạn những dự đoán ban đầu về độ
tin cậy của phần mềm trong giai đoạn thiết kế kiến trúc.
1.2.1 Giới thiệu
Độ tin cậy miền giới hạn an toàn và hệ thống độ tin cậy có
liên quan là những điều quan trọng hàng đầu dựa trên hệ thống
7
máy tính. Vì thế, phần mềm sử dụng trong các hệ thống phải
đáng tin cậy.
Những lý do mà các mô hình độ tin cậy này không đủ mạnh
để vượt trội trong việc loại bỏ các sự cố trong môi trường phần
mềm là:
1) Các quan niệm sai lầm về hiện tượng lỗi và hỏng hóc. [20]

2) Các thông số mô hình hóa không chính xác.
3) Khó khăn trong việc lựa chọn các mô hình độ tin cậy.
4) Khó khăn trong việc xây dựngcấu trúc phần mềm hệ thống.
1.2.2 Tổng quan các kỹ thuật hiện có
Luận văn này sẽ kế thừa ý tưởng của mô hình trên để xây
dựng mô hình tính toán độ tin cậy và đề xuất hướng giải quyết
cho mô hình. Các bước chính mà mô hình đã đề xuất sẽ được
thực hiện như sau:
o Giai đoạn 1:Xác định tập hợp các trạng thái S dựa vào chi
tiết mô hình kiến trúc.
o Giai đoạn 2:Xác định được các xác suất chuyển trạng thái
để từ đó xây dựng nên mô hình về độ tin cậy của hệ thống.
o Giai đoạn 3:Áp dụng các mô hình tính toán để xác định,
ước đoán về độ tin cậy của hệ thống.
8
1.2.3 Các hạn chế
Phần này nêu lên những hạn chế của các kỹ thuật phân tích
dựa trên cấu trúc và dựa trên trạng thái phổ biến. Những hạn
chếcủa các phương pháp tiếp cận hiện tại có thể được phân loại
theo: 1) modeling (mô hình hóa), 2) analysis (phân tích), 3)
parameter estimation (các tham số ước lượng), 4) validation
(xác thực) và 5) optimization (tối ưu hóa).
1.2.3.1 Các hạn chế mô hình hóa
1.2.3.2Các hạn chế phân tích
1.2.3.3 Các hạnchế tham số ước lượng
1.2.3.4Các hạn chế xác thực
1.2.3.5 Các hạn chế tối ưu hóa
1.2.4 Giải pháp đề xuất để giải quyết các hạn chế
Ở phần này, đầu tiên chúng ta giới thiệu sự cần thiết của
việc dự báo ban đầu độ tin cậy phần mềm. Tiếp đến chúng ta

đưa ra cái nhìn tổng quan về các phương pháp tiếp cận hiện có
của phần mềm dự đoán độ tin cậy ban đầu, và mô tả tính thông
dụng và khác biệt của những phương pháp tiếp cận này. Sau
đó, chúng ta đã dự kiến các phương pháp tiếp cận mà có thể
giúp trong việc giải quyết các hạn chế được trình bày.
CHƯƠNG 2: PHƯƠNG PHÁP KỊCH BẢN DỰ
ĐOÁN ĐỘ TIN CẬY PHẦN MỀM
9
2.1. Giới thiệu chung
Độ tin cậy là một đặc trưng động của hệ thống, nó là một
hàm của số các thất bại phần mềm
Kỹ thuật độ tin cậy phần mềm là một khía cạnh quan
trọng của rất nhiều những nỗ lực phát triển hệ thống.
Kịch bản (Scenarios) đã được sử dụng phổ biến như là
phương thức để thu thập các yêu cầu hành vi hệ thống.
Cách tiếp cận này bắt đầu với một tập hợp các scenarios và
high-level message sequence chart – biểu đồ trình tự tin nhắn
cấp cao (HMSC).
2.2. Quy trình chi tiết kỹ thuật kịch bản
2.2.1 Scenarios (Các kịch bản)
Các ký hiệu Scenario ví dụ như Message Sequence Charts
(Biểu đồ trình tự tin nhắn) được sử dụng ở giai đoạn đầu phát
triển chotài liệu. Các kịch bản một phần mô tả về cách các
thành phần tương tác để cung cấp chức năng mức hệ
thống.Khái niệm cơ bản của sự hợp thành kịch bản là các kịch
bản đơn có thể được sử dụng như xây dựng các khối mô tả mới
phức tạp hơn, kịch bản hơn. Dãy hành vi đơn giản được mô tả
bằng cách sử dụng Basic Message Sequence Charts (BMSCs).
(Biểu đồ tuần tự tin nhắn cơ bản)BMSC được hình thành bởi
các đường dọc đại diện cho dòng thời gian thành phần và mũi

tên nằm ngang đại diện cho mối tương tác giữa các thành
10
phần.Mối tương tác là một thông tin liên lạc đồng bộ giữa các
thành phần.
HMSC cấp cao (HMSC) là một cấu trúc cú pháp được áp
dụng rộng rãi để nô tả thành phần scenario.Một HMSC là một
đồ thị có hướng, có các nút liên quan tới BMSCs và các cạnh
của chúng chứng tỏ rằng sự sắp xếp của BMSCs có thể chấp
nhận. HMSCs cho phép các bên liên quan sử dụng lại các kịch
bản bên trong một chi tiết kỹ thuật và giới thiệu các trình tự,
các vòng lặp, và những thay thế luân phiên của BMSCs.
2.2.2. Mô hình tin cậy hướng người sử dụng Cheung
Để dự đoán độ tin cậy của hệ thống phần mềm, chúng ta
cần một mô hình tin cậy thể hiện độ tin cậy của hệ thống. Việc
sử dụng phương pháp tiếp cận của Cheung, độ tin cậy của hệ
thống có thể được tính toán như là một chức năng của cả các
thuộc tính xác định của cấu trúc chương trình và các thuộc tính
ngẫu nhiên của việc sử dụng và sự thất bại các thành phần của
nó.Mô hình Cheung là một mô hình độ tin cậy Markov sử dụng
một chương trình luồng biểu đồ để miêu tả cấu trúc của hệ
thống.
2.3. Phân tích độ tin cậy sử dụng kịch bản và chuỗi Markov
Bốn giả định chính làm cơ sở cho phương pháp dự đoán độ
tin cậy:
11
i. Việc chuyển giao kiểm soát giữa các thành phần có thuộc
tính Markov.
ii. Sự thất bại hoàn toàn độc lập trong suốt quá trình chuyển
đổi.
iii. Một thông điệp từ thành phần C tới thành phần C' thể hiện

một sự dẫn ra bởi C của một dịch vụ được cung cấp bởi C'.
iv. Chỉ có duy nhất một kịch bản ban đầu và một kịch bản cuối
cùng cho hệ thống trong HMSC.
2.3.1. Các chú thích kịch bản
Trong bước đầu tiên, chúng tadiễn giải các kịch bản (tức
là, HMSC và các BMSCs) với hai loại xác suất,xác suất của
quá trình chuyển đổi giữa các kịch bản PTS
ij
và độ tin cậy của
các thành phần RC.
2.3.2. Tổng hợp xác suất LTS
Bước thứ hai trong phương pháp này là tổng hợp một xác
suất LTS từ các thông số kĩ thuật của kịch bản được diễn giải.
Bao bao gồm các bước sau:
1) Đối với mỗi thành phần C
i
và mỗi S
j
BMSC, một hệ thống
chuyển tiếp có nhãn (LTS) C
i
S
j
được dựng bằng cách chiếu các
chế độ địa phương của C
i
trong S
j
.
2) Đối với mỗi thành phần C

i
, Bộ LTSs đã dựng cho C
i
ở bước
1 được hợp thành vào trong thành phần LTS cho C
i
theo cấu
trúc của HMSC, với các chuyển tiếp ẩn (các hành động τ) liên
12
kết với trạng thái cuối cùng của C
i
S
j
để bắt đầu trạng thái C
i
S
j'

bất cứ khi nào có sự chuyển đổi từ S
j
đến S
j'
trong HMSC. Kết
quả LTS bao gồm một trạng thái bắt đầu mới tương ứng với
trạng thái bắt đầu của HMSC.
3) Mỗi thành phần LTS xây dựng trong bước 2 được giảm bớt
vết tương đương tất định, LTS cực tiểu. Điều này phù hợp với
sự chọn lựa bị chậm theo tiêu chuẩn ITU MSC.
4) Mô hình kiến trúc cho hệ thống đưa ra như thành phần song
hành với thành phần LTSs thu nhỏ được xây dựng ở bước 3.

2.3.3. Dự đoán độ tin cậy
Trong bước cuối cùng của phương pháp dự đoán, mô hình
kiến trúc tổng hợp trong bước trước đó được giải thích giống
như một mô hình Markov, và chúng tôi áp dụng phương pháp
của Cheung để tính toán độ tin cậy.Đặc biệt, sự chuyển đổi
trọng lượng xác suất của mô hình kiến trúc được ánh xạ vào
một ma trận vuông quá trình chuyển đổi M' mà hàng nhập vào
tổng bằng 1.Điều này được sử dụng như ma trận M' được miêu
tả tại mục 2.2, với N = {E, -1, 0, 1, , n - 1} tập hợp của các
trạng thái trong tổng hợp LTS, thiết bị đầu cuối E của trạng
thái thực hiện chính xác (trạng thái tương ứng C được mô tả
trong mục 2.2), trạng thái lỗi thiết bị đầu – 1 (trạng thái F của
mục 2.2), và trạng thái n - 1 mà từ đó chuyển đổi sang trạng
13
thái E được thực hiện khi hành động kết thúc (trạng thái N
n

của mục 2.2).
2.4. Kịch bản được bao hàm
Kịch bản mô tả hai khía cạnh của một hệ thống.Một mặt,
chúng mô tả một tập hợp các dấu hiệu của hệ thống có xu
hướng bộc lộ ra ngoài.Mặt khác, nó mô tả các thành phần sẽ
cung cấp mức độ chức năng của hệ thống và giao diện của
chúng.
Sự tồn tại của scenario bao hàm như là một kết quả của
mối quan hệ chặt chẽ giữa hành vi và kiến trúc trong kịch bản
dựa trên sự hỗ trợ về thông số kĩ thuật.
CHƯƠNG 3: ĐÁNH GIÁ ĐỘ TIN CẬY PHẦN
MỀMWEB-BASED
3.1 Đề xuất áp dụng phương pháp kịch bản và chuỗi

Markov trong đánh giá độ tin cậy phần mềm Web-Based.
3.1.1. Giới thiệu
Độ tin cậy của một hệ thống phần mềm được định
nghĩanhư khả năng thực hiện các chức năng cần thiết theo
điều kiện được quy định trong khoảng thời gian xác định.
Trong luận văn này, chúng ta đề cập đến hệ thống phần mềm
đang được thảo luận dưới đây là hệ thống Web-based.
14
Luận văn này đề xuất một phương pháp đánh giá chất
lượng của các thành phần ứng dụng thông qua việc dự đoán độ
tin cậy, khi một mô hình chính thức của các ứng dụng Web có
thể được xác định trong hệ hình thức định hướng đối tượng.
3.1.2. Web và mô hình Markov
Web là một mạng lưới rộng lớn gồm nhiều thành phần
liên kết với nhau.Chúng ta tạo mô hình các thành phần Web
như User, Browser, Server.
Các đối tượng, được khởi tạo từ các lớp, tương tác trong
cách có ý nghĩa thông qua các thông tin.
Mô hình Markov là một trong những công cụ mạnh nhất
hiện có cho các kỹ sư và các nhà khoa học phân tích các hệ
thống.Tính chất Markov phát biểu rằng trạng thái hiện tại của
hệ thống, sự phát triển trong tương lai của hệ thống là độc lập
với quá trình của nó.Mô hình Markov của một thành phần
Web có thể được đại diện bởi một sơ đồ trạng thái. Các trạng
thái đại diện các giai đoạn trong thành phần Web quan sát
được để người dùng và các quá trình chuyển đổi giữa các
trạng thái gán giá trị xác suất. Xác suất được tính từ việc sử
dụng và thông tin hỏng hóc liên quan thu thập được trong dữ
liệu log để duy trì trang web. Chúng ta có thể sử dụng dữ liệu
này như xác suất chuyển đổi ban đầu. Đại diện đại số của mô

hình Markov là một ma trận, được gọi là ma trận chuyển đổi,
15
trong đó các hàng các cột tương ứng với các trạng thái và giá
trị P
ij
trong hàng thứ i, cột thứ j là xác suất chuyển đổi từ
trạng thái isang trạng tháij. Chúng ta sử dụng ma trận biểu
diễn chuyển đổi trong các thuật toán tính độ tin cậy.
3.1.3 Mô hình hình thức
Web là một hệ thống phản ứng, đặc trưng bởi hai thuộc
tính quan trọng sau :
Đồng bộ hóa kích thích:.
Đồng bộ hóa phản ứng:.
Các đối tượng Web truyền tín hiệu thông qua các tin nhắn.
Một tin nhắn từ một đối tượng này đến một đối tượng khác
trong hệ thống được gọi là một tín hiệu và được đại diện bởi
một bộ dữ liệu <e
i
, p
i
, t
i
>, biểu thị rằng biến cố e
i
xảy ra ở thời
gian t
i
, tại cổng p
i
. Trạng thái của một đối tượng ở bất kỳ thời

gian t
i
là bộ dữ liệu (θ; a; R), nơi mà trạng thái hiện tại θ là một
trạng thái đơn giản, a là vector gán cho các thuộc tính, và R là
vector của các phản ứng xuất sắc. Một bước tính của một đối
tượng xảy ra khi các đối tượng với trạng thái (θ; a; R) nhận
được một tín hiệu <e
i
, p
i
, t
i
>và tồn tại một quá trình chuyển đổi
đặc điểm kỹ thuật có thể thay đổi trạng thái của nó. Một phép
tính C ở đối tượng A là một chuỗi, có thể là các trạng thái và
tín hiệu xoay chiều vô hạn, OS
0
〈


,

,

〉

⎯
⎯
⎯
⎯

⎯

OS
1
〈


,

,

〉

⎯
⎯
⎯
⎯
⎯

………
16
Thông thường, các hệ thống Web là không kết thúc, do đó, một
phép toán nói chunglà một chuỗi vô hạn.
3.1.4 Một mô hình Web đơn giản.
Chúng tôi trừu tượng kiến trúc nhiều lớp của các ứng dụng
Web vào ba thành phần Web: người sử dụng, trình duyệt, và
máy chủ (User, Browser, Server).
3.1.4.1 Mô hình User
3.1.4.2 Mô hình Browser
3.1.4.3 Mô hình Serv

3.1.5 Mô hình Markov
Xây dựngmô hình Markov của một hệ thống Web trong 3
bước.
Bước 1: Mô hình Markov cho các đối tượng Web
Chúng tôi liên kết với từng đối tượng Web trong kiến trúc
trạng thái máy hữu hạn khác nhau được gọi là mô hình
Markov.Các trạng thái trong mô hình Markov của một đối
tượng là các trạng thái của đối tượng trong thiết kế hình thức.
Quá trình chuyển đổi giữa hai trạng thái trong một mô hình
Markov được xác định nếu chỉ tồn tại ít nhất một quá trình
chuyển đổi giữa các trạng thái trong biểu đồ trạng thái của đối
tượng. Cho ví dụ, các trạng thái và các quá trình của đối tượng
User mô hình Markov đều giống nhau như trong biểu đồ trạng
thái User nhưng đối với các nhãn và các ràng buộc. Trong
17
trường hợp không có thông tin thống kê được thu thập bởi các
chuyên gia về cách sử dụng và sự thất bại, chúng tôi sẽ giả định
rằng tất cả các sự kiện bên ngoài có xác suất bằng nhau ở mỗi
trạng thái. Đối với quá trình chuyển đổi từ trạng thái i tới trạng
thái j trong mô hình Markov, Xác suất cố định Pij của nó đi
vào trạng thái j ở bước thời gian tiếp theo được tính như sau:
1. Xác suất ban đầu cho tất cả quá trình chuyển đổi trong bộ
máy trạng thái của các đối tượng phản ứng được tính toán.
Các thuật toán để tính toán xác suất như vậy cho một trạng
thái dựa trên các giả định sau đây: (1) Tất cả các sự kiện ngoài
có thể xảy ra ở trạng thái có cùng một xác suất; (2) tất cả các sự
kiện bên trong có thể xảy ra ở trạng thái có cùng một xác suất;
(3) và các sự kiệnkhác.
2. Trong trường hợp có nhiều hơn một quá trình chuyển đổi
{l

1
, … l
n
} của cùng loại (chia sẻ/ nội bộ) từ trạng thái i tới
trạng thái j, thì quá trình chuyển đổi nói trên được thay thế
bởi một quá trình khác có xác suất là:
P= 1 – (1- P{l
1
}) x … (1- P{l
n
}) (3.1)
3. Xác suất của tất cả các quá trình chuyển đổi cho một trạng
thái phải có tổng là 1.
Bước 2: Mô hình Markov cho cặp đối tượng
*Thuật toán ma trận chuyển đổi cho Máy sản xuất đồng
bộ
18
Thuật toánSPM
Bước 1:P=1; // tổng hàng
Bước 2:x
1
= { e| e là sự kiện được chia sẻ xảy ra ở trạng
thái i (P) và ở trạng thái j (Q)}
x
2
= {e| e là sự kiện bên ngoài được xảy ra ở trạng thái
i(P)} U {e|e là sự kiện bên ngoài xảy ra ở trạng thái j(Q)}
Bước 3: If x
1
≠ ∅ // Tính toán các xác suất cho quá trình

chuyển đổi do các sự kiện được chia sẻ
Then NF=0 (Hệ số tiêu chuẩn hóa); set
1
= ∅;
Bước 3.1Với mỗi sự kiện e ∈x
1
tìm tập các trạng thái
i’(P) và j’(Q) sao cho
i

→i’ , j

→ j’
Bước 3.2y = y ⋂ {i’, j’}, if {i’, j’} ∉y
Bước 3.3NF = NF +M
1
[i,i’]×M
2
[j,j’]
Bước 3.4M[(i, i’),(j,j’)]=M
1
[i, i’]×M
2
[j,j’]
Bước 3.5set
1
=set
1
∩ (j, j’)
Bước 4.If x

2
≠ ∅ // Tính toán các xác suất cho các quá
trình chuyển đổi do các sự kiện nội bộ
Then NF’ =0 (Hệ số tiêu chuẩn hóa); set
2
=∅
Với mỗi sự kiện e ∈ x
2
, if e∈ M
1
then
Tìm trạng tháii’ (M
1
)sao choi

→ i’;
y=y ∩{i’, j} if {i’, j} ∉ y;
19
M[(i,j)(i’,j)]= M
1
[i,i’]; NF’ = NF’ +M[(i,j)(i’,j)];
Set
2
=set
2
∩(i,i’)
Else
Tìm trạng tháij’ (M
2
) sao cho j


→ j’;
y= y ∩{i, j’} if {i, j’} ∉y;
M[(i,j)(i’,j)] = M
1
[j,j’]; NF’ = NF’ + M[(i,j),(i,j’)];
set
2
= set
2
∩(j,j’)
Bước 5. If x
1
=∅ ∧ x
2
=∅, hàng (i,j) xóa từ M
Bước 6.If x
1
=∅ ∧x
2
≠ ∅
For each (i’,j’)∈ set
2
do
M[(i,j),(i’,j’)]=
[
(
,
)
,(

′
,′)]
′

Bước 7.If x
1
≠ ∅ ∧ x
2
=∅
For each (i’, j’) )∈ set
1
do
M[(i,j),(i’,j’)]=
[
(
,
)
,(
′
,′)]


Bước 8. If x
1
≠ ∅ ∧ x
2
≠ ∅
For each (i’, j’) )∈ set
2
do

M[(i,j),(i’,j’)]=
()×[
(
,
)
,(
′
,′)]
′

Bước 9:Điền các giá trị 0 cho ma trận M với các giá trị
còn trống.
Bước 3: Mô hình Markov cho một hệ thống
Trường hợp 1: Hệ thống tuyến tính
20
Trường hợp 2: Hệ thống phi tuyến tính’
3.1.6 Biện pháp độ tin cậy
Việc dự đoán độ tin cậy cho một cấu hình hệ thống bao
gồm từ các đối tượng tương phản được định nghĩa như mức độ
chắc chắn được định lượng bằng nguồn excess -entropy:
Reliability (Subsystem)=
∑


− 


(3.3)
Dự báo độ tin cậy cho hệ thống được định nghĩa như là giá
trị đo lường độ tin cậy giữa các hệ thống con m của chính nó.

Reliability(System)=min{Reliability(Subsystem
i
)}
i
m
(3.4)
3.2 Thử nghiệm công cụ đánh giá độ tin cậy của phần mềm.
3.2.1 Giới thiệu công cụ SMERFS
SMERFS là một công cụ để mô hình hóa độ tin cậy phần
mềm. Công cụ này đã phát triển và ra mắt một số phiên bản,
mới nhất là SMERFS V.
SMERFS cho phép người dùng nhập dữ liệu, chỉnh sửa và
chuyển đổi dữ liệu, xác định sự phù hợp của mô hình bằng
cách sử dụng các kỹ thuật thống kê và đồ họa, đưa ra dự đoán
độ tin cậy khác nhau dựa trên mô hình được trang bị, và cố
gắng thử các mô hình khác nhau nếu mô hình ban đầu chứng
minh không đầy đủ.
21
3.2.2 Cài đặt và cách sử dụng phần mềm
3.2.2.1Càiđặt
3.2.2.2Hướngdẫnsửdụng
3.3 Thử nghiệm và đánh giá kết quả.
3.3.1 Mô tả các Use-case của website thương mại điện tử
Để đơn giản trong quá trình xử lý nhưng vẫn thể hiện được
tư tưởng của một chương trình phần mềm website thương mại
điện tử, hệ thống có 3 Actor chính
1) Admin
2) Customer
3) ClientCustomer
4) Các hệ thống khác

 Danh sách các use-case cho đối tượng Admin:
1) Đăng nhập:
2) Đăng xuất:
3) Phục hồi mật khẩu:
4) Thay đổi mật khẩu:
5) Cấu hình hệ thống:
6) Quản lý phương thức thanh toán
7) Quản lý khách hàng
8) Quản lý nhóm người dùng
9) Quản lý người dùng hệ thống
10) Phân quyền
22
 Danh sách Use-case cho đối tượng Customer
1) Đăng ký
2) Đăng nhập
3) Đăng xuất
4) Phục hồi mật khẩu
5) Thay đổi mật khẩu
6) Chọn giao diện
7) Quản lý khách hàng
8) Quản lý danh mục sản phẩm
9) Quản lý sản phẩm
10) Chọn phương thức thanh toán
11) Cấu hình hệ thống
 Danh sách Use-case cho đối tượng ClientCustomer
1) Đăng ký
2) Đăng nhập
3) Đăng xuất
4) Phục hồi mật khẩu
5) Thay đổi mật khẩu

6) Tìm kiếm sản phẩm
7) Xem thông tin sản phẩm
8) Quản lý giỏ hàng
9) Quản lý đặt hàng
10) Xem tin tức
23
3.3.2 Thử nghiệm và đánh giá kết quả

Hình 3.18 Giao diện tính toán tổng hợp cho một hệ
thống website

Hình 3.19 Đồ thị biểu diễn dữ liệu với đường dự đoán
(đường cân bằng) cho hệ thống website
24

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
A. Kết luận
Luận văn tốt nghiệp với đề tài: “Sử dụng chuỗi Markov
đánh giá độ tin cậy phần mềm web-Based” đã cơ bản hoàn
thành. Đề tài đã giải quyết được các vấn đề sau:
- Tìm hiểu, nghiên cứu lý thuyết chuỗi Markov và ứng dụng
trong đánh giá, dự đoán độ tin cậy phần mềm.
- Tìm hiểu, làm chủ các công cụ ứng dụng chuỗi Markov để
đánh giá chất lượng phần mềm.
- Xây dựng phương pháp và ứng dụng trong đánh giá độ tin
cậy phần mềm Web-Based (Web-Based Software).
Các kết quả chính đạt được trong đề tài:
1. Đề tài mới chỉ đi sâu nghiên cứu về mô hình chuỗi Markov.
Trên cơ sở đó ứng dụng vào việc phân tích đánh giá chất lượng
độ tin cậy phần mềm Web-Base.

2. Tìm hiểu và làm chủ công cụ đánh giá phần mềm Web-Base
B. Hướng phát triển
Trong quá trình nghiên cứu luận văn, do điều kiện cá nhân
còn hạn chế, nên vấn đề nghiên cứu “Sử dụng chuỗi Markov
25
đánh giá độ tin cậy phần mềm Web-base” trong khuôn khổ
luận văn này, dừng lại ở những nghiên cứu ban đầu. Do đó,
một số vấn đề nữa đang được đặt ra trong hướng nghiên cứu
tiếp theo như sau:
- Xây dựng chi tiết hơn Mô hình Markov cho hệ thống phần
mềm Web-base.
- Đánh giá độ tin cậy chính xác hơn đối với hệ thống phần
mềm Web-base lớn.
- Nghiên cứu thêm một số công cụ đánh giá độ tin cậy phần
mềm Web-base khác có độ chính xác cao hơn.