Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020163089 - IDENTIFICATION ET MISE EN ÉVIDENCE AUTOMATIQUES DE DIFFÉRENCES ENTRE DES TRACES HISTORIQUES

Numéro de publication WO/2020/163089
Date de publication 13.08.2020
N° de la demande internationale PCT/US2020/014680
Date du dépôt international 23.01.2020
CIB
G06F 11/36 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
11Détection d'erreurs; Correction d'erreurs; Contrôle de fonctionnement
36Prévention d'erreurs en effectuant des tests ou par débogage de logiciel
CPC
G06F 11/3612
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
11Error detection; Error correction; Monitoring
36Preventing errors by testing or debugging software
3604Software analysis for verifying properties of programs
3612by runtime analysis
G06F 11/3636
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
11Error detection; Error correction; Monitoring
36Preventing errors by testing or debugging software
362Software debugging
3636by tracing the execution of the program
G06F 11/3692
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
11Error detection; Error correction; Monitoring
36Preventing errors by testing or debugging software
3668Software testing
3672Test management
3692for test results analysis
Déposants
  • MICROSOFT TECHNOLOGY LICENSING, LLC [US]/[US]
Inventeurs
  • DAVIS, Jackson Michael
  • MYERS, Del
  • NELSON, Patrick Lothian
  • STERLAND, Andrew R.
  • RICHARDSON, Leslie Yvette
  • MOLA, Jordi
  • PINKERTON, James M.
  • MARRON, Mark
Mandataires
  • MINHAS, Sandip S.
  • ADJEMIAN, Monica
  • BARKER, Doug
  • CHATTERJEE, Aaron C.
  • CHEN, Wei-Chen Nicholas
  • CHOI, Daniel
  • CHURNA, Timothy
  • DINH, Phong
  • EVANS, Patrick
  • GABRYJELSKI, Henry
  • GOLDSMITH, Micah P.
  • GUPTA, Anand
  • HINOJOSA-SMITH, Brianna L.
  • HWANG, William C.
  • JARDINE, John S.
  • LEE, Sunah
  • LEMMON, Marcus
  • MARQUIS, Thomas
  • MEYERS, Jessica
  • ROPER, Brandon
  • SPELLMAN, Steven
  • SULLIVAN, Kevin
  • SWAIN, Cassandra T.
  • TABOR, Ben
  • WALKER, Matt
  • WIGHT, Stephen A.
  • WISDOM, Gregg
  • WONG, Ellen
  • WONG, Thomas S.
  • ZHANG, Hannah
  • TRAN, Kimberly
Données relatives à la priorité
16/271,18208.02.2019US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) AUTOMATICALLY IDENTIFYING AND HIGHLIGHTING DIFFERENCES BETWEEN HISTORIC TRACES
(FR) IDENTIFICATION ET MISE EN ÉVIDENCE AUTOMATIQUES DE DIFFÉRENCES ENTRE DES TRACES HISTORIQUES
Abrégé
(EN)
This disclosure relates to identifying and presenting differences between a plurality of recorded executions of an executable entity. One or more models are created over the plurality of recorded prior executions of at least a portion of an executable entity. These models include at least one of (i) a control flow model, or (ii) a data model. An anomalous model data point is identified within these models, and a first location in at least one of the plurality of recorded executions that corresponds to the anomalous model data point is identified. A second location in the at least one of the plurality of recorded executions is also identified. This second location is casual to the anomalous model data point at the first location. The identity of the first and/or second locations in the least one of the plurality of recorded executions is presented.
(FR)
La présente invention concerne l'identification et la présentation de différences entre une pluralité d'exécutions enregistrées d'une entité exécutable. Un ou plusieurs modèles sont créés sur les exécutions de la pluralité d'exécutions précédentes enregistrées d'au moins une partie d'une entité exécutable. Ces modèles comprennent (i) un modèle de flux de commande et/ou (ii) un modèle de données. Un point de données de modèle anormal est identifié à l'intérieur de ces modèles, et une première position dans au moins une exécution de la pluralité d'exécutions enregistrées qui correspond au point de données de modèle anormal est identifiée. Une seconde position dans ladite exécution de la pluralité d'exécutions enregistrées est également identifiée. Cette seconde position est causale pour le point de données de modèle anormal situé à la première position. L'identité de la première et/ou seconde position dans ladite exécution de la pluralité d'exécutions enregistrées est présentée.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international