[發(fā)明專利]基于軟件復(fù)用特征學(xué)習(xí)的開源代碼溯源檢測方法

在審

• 申請?zhí)枺?/td>: 202010091777.9
• 申請日: 2020-02-13
• 公開（公告）號: CN111241497A
• 公開（公告）日: 2020-06-05
• 發(fā)明（設(shè)計(jì)）人: 嚴(yán)亮
• 申請（專利權(quán)）人: 北京高質(zhì)系統(tǒng)科技有限公司
• 主分類號: G06F21/16
• 分類號: G06F21/16;G06F16/2458
• 代理公司: 北京中索知識(shí)產(chǎn)權(quán)代理有限公司 11640
• 代理人: 胡大成

1.一種基于軟件復(fù)用特征學(xué)習(xí)的開源代碼溯源檢測方法，其特征在于，包括如下步驟：

1)搭建復(fù)用特征關(guān)聯(lián)模型；該模型的搭建方法如下：

1-1)對具有復(fù)用關(guān)系軟件項(xiàng)目中的復(fù)用軟件和被復(fù)用軟件的特征數(shù)據(jù)分別進(jìn)行選取與收集，其中，上述復(fù)用關(guān)系已經(jīng)在開源軟件社區(qū)中明確：

1-2)利用Apriori算法對復(fù)用特征關(guān)聯(lián)規(guī)則進(jìn)行挖掘：從而得到關(guān)聯(lián)規(guī)則表，即復(fù)用特征關(guān)聯(lián)模型；

2)根據(jù)進(jìn)行溯源檢測的軟件特征，從關(guān)聯(lián)規(guī)則表中查詢到對應(yīng)的被復(fù)用開源軟件特征集合及其復(fù)用概率，按照復(fù)用概率從高到低的順序從比對開源軟件庫中搜索出具有這些特征的軟件代碼，逐一與被檢測代碼進(jìn)行溯源比對。

2.根據(jù)權(quán)利要求1所述的基于軟件復(fù)用特征學(xué)習(xí)的開源代碼溯源檢測方法，其特征在于，所述的步驟1-1)中選取與收集的軟件特征數(shù)據(jù)包括編程語言、開源許可證、軟件類型、軟件標(biāo)簽和收藏量。

3.根據(jù)權(quán)利要求1所述的基于軟件復(fù)用特征學(xué)習(xí)的開源代碼溯源檢測方法，其特征在于，所述的步驟1-1)中軟件特征數(shù)據(jù)的選取與收集方法為：

a)根據(jù)需要獲取軟件特征的軟件項(xiàng)目名稱和所有者信息，獲得項(xiàng)目git地址；

b)利用開源社區(qū)提供的數(shù)據(jù)框架和API，訪問開源社區(qū)的接口；

c)使用Java網(wǎng)絡(luò)爬蟲技術(shù)，利用開源的Java依賴庫操作開源社區(qū)網(wǎng)站的開源項(xiàng)目托管平臺(tái)的遠(yuǎn)程庫，從而抓取到所需的軟件特征數(shù)據(jù)；

d)將采集到的目標(biāo)數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫，完成軟件特征數(shù)據(jù)的采集工作。

4.根據(jù)權(quán)利要求1所述的基于軟件復(fù)用特征學(xué)習(xí)的開源代碼溯源檢測方法，其特征在于，利用Apriori算法對復(fù)用特征關(guān)聯(lián)規(guī)則挖掘時(shí)包括如下步驟：

1-21)挖掘特征數(shù)據(jù)中的頻繁項(xiàng)集；

1-22)基于頻繁項(xiàng)集，挖掘關(guān)聯(lián)規(guī)則；

1-23)將獲得的關(guān)聯(lián)規(guī)則形成關(guān)聯(lián)規(guī)則表，并存放于數(shù)據(jù)庫中。

5.根據(jù)權(quán)利要求4所述的基于軟件復(fù)用特征學(xué)習(xí)的開源代碼溯源檢測方法，其特征在于，所述的頻繁項(xiàng)集的挖掘方法為：設(shè)定一個(gè)支持度最小值，計(jì)算所有項(xiàng)集的支持度，刪減掉數(shù)據(jù)庫中支持度小于最小值的項(xiàng)集以及該項(xiàng)集對應(yīng)的所有超項(xiàng)集，剩余的項(xiàng)集即為頻繁項(xiàng)集。

6.根據(jù)權(quán)利要求4或5所述的基于軟件復(fù)用特征學(xué)習(xí)的開源代碼溯源檢測方法，其特征在于，所述的頻繁項(xiàng)集關(guān)聯(lián)規(guī)則挖掘的方法為：

設(shè)定可信度的最小值，對每一個(gè)頻繁項(xiàng)集的關(guān)聯(lián)規(guī)則進(jìn)行篩選，排除掉可信度小于最小值的頻繁項(xiàng)集對應(yīng)的關(guān)聯(lián)規(guī)則及該頻繁項(xiàng)集的子集對應(yīng)的該關(guān)聯(lián)規(guī)則；

計(jì)算出每一個(gè)由復(fù)用軟件特征和非復(fù)用軟件特征組成的頻繁項(xiàng)集的支持度，和與之對應(yīng)的由復(fù)用軟件特征組成的頻繁項(xiàng)集的支持度，二者的比值即為關(guān)聯(lián)規(guī)則的可信度。