随着软件应用领域不断扩大,软件系统规模日益复杂,耗费科技人员大量的时间和精力。如果能从海量的软件动态执行轨迹中挖掘出具有代表性的信息,为分析软件系统的结构特征以及软件后期维护等提供完备的依据。本文从软件故障传播的角度分析软件结构,结合数据挖掘理论知识,挖掘出软件重要行为模式,从而帮助技术人员有效地完成对软件的更新和维护工作。首先,提出一种基于软件动态执行轨迹的软件网络模型构建方法。通过追踪软件执行轨迹,将函数作为节点,函数调用关系作为连接节点的边,函数之间的依赖程度作为边的权重,将其映射为函数依赖关系模型,并通过深度遍历方法得到软件执行序列集合,为行为模式挖掘奠定基础。其次,提出一种基于故障传播的软件网络关键节点挖掘算法。该算法综合考虑函数的故障脆弱性和故障传播影响两个特性,定义软件系统中故障可能性较大并且发生故障后波及范围较大的函数为关键节点,设计算法TPFPN-Miner计算并排序故障影响力度量值,挖掘网络中的关键函数节点集合,提高复杂软件故障定位效率。再次,提出一种基于调用关系的软件重要行为模式挖掘算法。该算法针对上一节提出的故障影响力度量值,将其作为软件执行序列中函数节点的外部效用值,定义故障影响力较大的行为模式为软件重要行为模式,结合软件执行序列连续性和顺序性的特性,设计算法FITK-Miner并提出三种策略挖掘软件序列中Top-k高效用行为模式,提高挖掘效率。最后,在不同的数据集上对算法进行实验,从不同的角度进行评估分析,比较本文提出的算法与其他同类型算法的执行效果,验证提出方法的有效性和正确性。