[發(fā)明專利]一種基于深度森林網(wǎng)絡(luò)的軟件缺陷預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201711290710.2
• 申請日: 2017-12-04
• 公開（公告）號: CN107943704A
• 公開（公告）日: 2018-04-20
• 發(fā)明（設(shè)計）人: 李斌;周天馳;孫小兵
• 申請（專利權(quán)）人: 揚州大學(xué)
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62;G06N99/00
• 代理公司: 南京中新達專利代理有限公司32226
• 代理人: 孫鷗,朱杰

技術(shù)領(lǐng)域

本發(fā)明屬于軟件分析與測試領(lǐng)域，特別涉及一種基于深度森林網(wǎng)絡(luò)的軟件缺陷預(yù)測方法。

背景技術(shù)

軟件缺陷(software defect)產(chǎn)生于開發(fā)人員的編碼過程中，需求理解不正確、軟件開發(fā)過程不合理或開發(fā)人員的經(jīng)驗不足，均有可能產(chǎn)生軟件缺陷.而含有缺陷的軟件在運行時可能會產(chǎn)生意料之外的結(jié)果或行為，嚴重的時候會給企業(yè)造成巨大的經(jīng)濟損失，甚至?xí){到人們的生命安全.在軟件項目的開發(fā)生命周期中，檢測出內(nèi)在缺陷的時間越晚，修復(fù)該缺陷的代價也越高.尤其在軟件發(fā)布后，檢測和修復(fù)缺陷的代價將大幅度增加.因此，項目主管借助軟件測試或代碼審查等軟件質(zhì)量保障手段，希望能夠在軟件部署前盡可能多地檢測出內(nèi)在缺陷.但是，若關(guān)注所有的程序模塊會消耗大量的人力物力，因此，項目主管希望能夠預(yù)先識別出可能含有缺陷的程序模塊，并對其分配足夠的測試資源。

在本發(fā)明作出之前，為了幫助軟件開發(fā)人員盡可能地節(jié)省發(fā)現(xiàn)缺陷的成本，就需要盡可能地提高缺陷預(yù)測的精度，對于軟件缺陷預(yù)測的研究主要集中在對于軟件預(yù)測度量的構(gòu)建和預(yù)測方法的設(shè)計。目前缺陷預(yù)測領(lǐng)域越來越多的利用機器學(xué)習(xí)的方法來構(gòu)建分類器，但是由于目前數(shù)據(jù)集中存在的維數(shù)災(zāi)難問題和特征子集選擇方法不夠成熟，導(dǎo)致某些機器學(xué)習(xí)的分類器(如基于隨機森林的缺陷預(yù)測分類器只能在大規(guī)模標記數(shù)據(jù)上取得較好的效果，而基于樸素貝葉斯的缺陷預(yù)測分類器只能在小規(guī)模數(shù)據(jù)上取得較好的效果)因此整體的缺陷預(yù)測精度不高，達不到工業(yè)級別所需要的精度要求。

發(fā)明內(nèi)容

本發(fā)明的目的就是要克服上述缺陷，研發(fā)出一種基于深度森林網(wǎng)絡(luò)的軟件缺陷預(yù)測方法。

本發(fā)明技術(shù)方法是：

一種基于深度森林網(wǎng)絡(luò)的代碼缺陷預(yù)測方法，其主要技術(shù)特征在于如下步驟：

(1)挖掘代碼歷史倉庫，抽取程序模塊，對程序模塊按照設(shè)定好的度量進行相關(guān)代碼特征數(shù)據(jù)提取。

(2)將步驟(1)代碼特征進行多粒度掃描，篩選出與缺陷相關(guān)度高的代碼特征。

(3)利用步驟(2)中的缺陷特征構(gòu)建多個隨機森林和完全隨機森林模型。

(4)將步驟(3)的多個隨機森林級聯(lián)成缺陷預(yù)測網(wǎng)絡(luò)。

(5)對步驟(2)的缺陷特征向量按照設(shè)定比例進行隨機切片，輸入到步驟(4)中建立的缺陷預(yù)測網(wǎng)絡(luò)進行訓(xùn)練，形成缺陷預(yù)測的分類器。

(6)將步驟(5)切片剩余的數(shù)據(jù)輸入到缺陷預(yù)測分類器中，與真實標記的數(shù)據(jù)進行對比，驗證訓(xùn)練效果，根據(jù)結(jié)果調(diào)整訓(xùn)練參數(shù)后得到最終的缺陷預(yù)測分類器。

本發(fā)明的優(yōu)點和效果在于從深度森林網(wǎng)絡(luò)的角度，結(jié)合多粒度掃描，級聯(lián)森林等技術(shù)來構(gòu)建缺陷預(yù)測分類器，提供有效的代碼缺陷預(yù)測，幫助開發(fā)者合理使用測試資源，大大縮短了軟件開發(fā)周期。具體說，主要有如下一些優(yōu)點：

(1)目前軟件預(yù)測方法只能在一些特定的數(shù)據(jù)集上取得一些精度較好的結(jié)果，但是其離工業(yè)應(yīng)用還有一定的差距，本方法創(chuàng)新性地將機器學(xué)習(xí)方法深度森林應(yīng)用到缺陷預(yù)測中，能夠得到可靠的高精度分類器。

(2)本方法在已有的科學(xué)代碼度量的前提下，利用多粒度掃描算法可以有效的篩選出適合缺陷預(yù)測的度量，從而減少訓(xùn)練集的采樣，節(jié)省資源。

(3)本方法構(gòu)建多層森林樹的缺陷預(yù)測網(wǎng)絡(luò)，可以在訓(xùn)練少量的數(shù)據(jù)集的情況下，獲得良好的預(yù)測精度，大大節(jié)省了數(shù)據(jù)標記的成本。

附圖說明

圖1——本發(fā)明流程示意圖。

圖2——本發(fā)明中隨機森林的示例圖。

圖3——本發(fā)明中預(yù)測模型的示例圖。

圖4——本發(fā)明中缺陷預(yù)測網(wǎng)絡(luò)進行預(yù)測的示例圖。

具體實施方式

本發(fā)明的技術(shù)思路是：

本發(fā)明主要幫助軟件開發(fā)者和維護者更有效地檢測軟件的缺陷，從而提高軟件的質(zhì)量。首先選取真實的項目數(shù)據(jù)，按照設(shè)定好的度量進行數(shù)據(jù)提取，隨后進行多粒度掃描篩選特征，之后構(gòu)建多個機器學(xué)習(xí)分類器將并其級聯(lián)組合形成新的分類器，輸入切片的特征向量訓(xùn)練分類器，之后將待數(shù)據(jù)預(yù)測的數(shù)據(jù)輸入到訓(xùn)練好的分類器，返回高精度的結(jié)果。高精度的預(yù)測結(jié)果可以極大地引導(dǎo)開發(fā)者進行代碼缺陷的判斷和維護，從而減少測試資源的投入，降低軟件開發(fā)的成本。

下面具體說明本發(fā)明。

如圖1所示，其步驟如下：

步驟1).對源代碼按照設(shè)定好的度量進行特征數(shù)據(jù)提取。

部分數(shù)據(jù)處理如表一所示：