《基於動態函式調用圖的軟體驗證和缺陷定位研究》是依託北京理工大學，由彭圖擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於動態函式調用圖的軟體驗證和缺陷定位研究
- 依託單位：北京理工大學
- 項目負責人：彭圖
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
隨著我國眾多關鍵領域對軟體的深度依賴，軟體可靠性需求不斷提升，能夠有效驗證軟體可靠性，發現軟體缺陷的研究具有重要意義。當前，機器學習的方法被廣泛運用於軟體缺陷的檢測和定位，取得了良好的效果，但其中存在三個主要問題。首先，現有方法的缺陷檢測和定位的目標是語句，而很多軟體故障的發生並不是來自於某一個或幾個語句的缺陷，而是多個語句執行的邏輯錯誤，比如語句缺失或執行順序錯誤。其次，無缺陷代碼和有缺陷的代碼分布不均衡，通常有缺陷代碼在整體中占比小，從而降低了基於均衡分類算法定位缺陷的成功率。 第三，現有方法在測試用例數目較少時無法進行有效的訓練。針對現有問題，本課題提出1.使用函式動態調用圖作為缺陷檢測的基礎：函式是高度耦合的語句集，單一缺陷較大可能存在於同一函式中；2.運用基於離群點識別的分類方法，提高缺陷代碼占比少時的定位正確率；3.結合調用圖上的邏輯屬性驗證，提高測試用例少時的缺陷檢測正確率。
結題摘要
項目背景：軟體代碼中存在的缺陷威脅著軟體的安全性和可靠性。隨著我國眾多關鍵領域對軟體的深度依賴，軟體可靠性需求不斷提升，能夠有效驗證軟體 可靠性，發現軟體缺陷的研究具有重要意義。當前，機器學習的方法被廣泛運用於軟體缺陷的檢測和定位，取得了良好的效果。 研究內容: 1.使用函式作為缺陷檢測的基礎：函式是高度耦合的語句集，單一缺陷較大可能存在於同一函式中；2.運用機器學習和深度學習的方法，提高缺陷代碼定位正確率；3.綜合利用函式調用信息和返回值信息，提高缺陷檢測正確率。 科學意義: 1. 運用最大信息係數法計算了函式返回值和測試結果的相關性，並提出了相關性越高的函式有缺陷的可能性越大。2. 運用深度神經網路進行缺陷定位，並提出了用程式變體訓練神經網路的方法。
