回归缺陷指在程序的开发过程中,由于开发或维护人员错误的修改导致正常的工作的程序功能无法正常运行。研究人员们提出了多种回归缺陷定位技术,但很少有研究工作用于定位多线程环境下的并发回归缺陷。并发回归缺陷研究的一个主要的挑战是社区缺乏用于实验的并发回归数据集。为了促进并发回归缺陷领域的研究,并提供一个有效的研究评价基准,本文主要完成了以下工作:（1）基准项目调研。调研了并发和回归缺陷领域的优秀成果,统计了其中被作为评价基准的开源项目的出现频率,综合项目在开源社区中的关注程度以及在缺陷集成系统中的信息有效性的分析评分,提出了一种针对广泛使用的缺陷跟踪系统中并发回归缺陷报告的过滤方法。（2）源代码关联和代码演化分析。分析了35个JAVA项目以及600多个缺陷报告,并针对这些报告进行相关源代码关联以及代码演化分析的研究,验证了SZZ算法在定位回归缺陷引入更改上的有效性。（3）基准工具构建。构建了一个并发回归缺陷的数据集Con Reg4J,其中包含20个真实缺陷、60可运行的程序及所需环境,以及程序的版本间演化的历史信息。程序缺陷引入版本与缺陷修复版本,最多间隔约700天以及1000万行代码修改。（4）多线程轨迹建模。改进了一种基于程序执行轨迹的回归缺陷定位方法、实现了Mcirobat,并为其添加了多线程轨迹记录和存储特性,还提出了一种动态的多线程轨迹建模方法。总而言之本文作出了以下贡献,1)我们介绍了一种新的并发回归缺陷集Con Reg4J,该数据集可以作为有效的评价基准促进相关领域的研究。2)我们为Microbat添加了并发程序轨迹建模的新特性,以便利基于轨迹的并发回归缺陷定位方法研究。