[發(fā)明專利]一種基于Github的軟件缺陷檢測模型建立、檢測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010140642.7
• 申請日: 2020-03-03
• 公開（公告）號: CN111459799B
• 公開（公告）日: 2023-03-10
• 發(fā)明（設計）人: 柯鑫;葉貴鑫;湯戰(zhàn)勇;尹小燕;龔曉慶;房鼎益
• 申請（專利權）人: 西北大學
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 西安恒泰知識產(chǎn)權代理事務所 61216
• 代理人: 李婷;金艷婷

1.一種基于Github的軟件缺陷檢測模型建立方法，其特征在于，包括以下步驟：

步驟1，數(shù)據(jù)預處理：

對Github中的倉庫進行排序，選取排名靠前的倉庫作為源數(shù)據(jù)集，對源數(shù)據(jù)集中的每個倉庫的變更記錄進行篩選和去重，得到符合要求的變更記錄及其對應的Bug-Fix文件對；

所述Bug-Fix文件對是指修改前的文件Bug file和修改后的文件Fixed file；

步驟2，對步驟1得到的符合要求的變更記錄及其對應的Bug-Fix文件對進行處理，生成切片的向量及標簽：

步驟2.1，對步驟1得到的符合要求的變更記錄的Bug-Fix文件對進行解析和比對，獲得每個變更記錄對應的增加和刪除的代碼行信息；

步驟2.2，根據(jù)步驟2.1獲得的增加和刪除的代碼行信息及其Bug-Fix文件對的數(shù)據(jù)流，確定每一個變更記錄導致缺陷的缺陷代碼行；

步驟2.3，根據(jù)步驟1得到的符合要求的變更記錄的Bug-Fix文件對的數(shù)據(jù)流和控制流信息，生成Bug-Fix文件對的切片；

步驟2.4，根據(jù)步驟2.2確定的缺陷代碼行，對步驟2.3得到的Bug-Fix文件對的切片添加標簽；

步驟2.5，對步驟2.3得到的Bug-Fix文件對的切片逐個進行變量名替換，替換為一個統(tǒng)一的令牌；

步驟2.6，對步驟2.5替換過變量名的切片逐個進行分詞處理，每個切片得到一個令牌序列；

步驟2.7，將步驟2.6得到的每一個令牌序列轉(zhuǎn)化為向量；

步驟3，模型訓練：

將步驟2得到的切片的向量及標簽輸入到雙向LSTM模型中進行訓練和學習，得到訓練好的檢測模型。

2.如權利要求1所述的基于Github的軟件缺陷檢測模型建立方法，其特征在于，所述的步驟1具體包括：

步驟1.1，對Github中的倉庫按照倉庫的影響因子fork由大到小進行排序，選取排名前30％～35％的倉庫作為源數(shù)據(jù)集；

步驟1.2，采用關鍵字搜索方法對源數(shù)據(jù)集中的每個倉庫的變更記錄進行篩選，得到具有不同缺陷類型的變更記錄；

步驟1.3，過濾掉步驟1.2得到的具有不同缺陷類型的變更記錄中不符合動詞/直接賓語模式的變更記錄；

步驟1.4，采用TextRank技術對步驟1.3得到的變更記錄進行再篩選，剔除掉混合型變更記錄；

所述TextRank技術是指TextRank算法，采用TextRank技術對步驟1.3得到的變更記錄進行篩選的具體方法是：將步驟1.3得到的變更記錄輸入到TextRank算法中，抽取出來的關鍵詞前五中如果包含步驟1.2中涉及到的關鍵詞，認為這一條變更記錄是符合要求的，進入步驟1.5，否則刪除；

步驟1.5，對步驟1.4得到的變更記錄進行去重，得到符合要求的變更記錄及其對應的Bug-Fix文件對。

3.如權利要求1所述的基于Github的軟件缺陷檢測模型建立方法，其特征在于，所述的步驟2.4中，在添加標簽過程中，包含缺陷代碼行的切片標記為0，不包含缺陷代碼行的切片標記為1。

4.如權利要求1所述的基于Github的軟件缺陷檢測模型建立方法，其特征在于，所述的步驟2.7中，使用word2vec工具將每一個令牌序列轉(zhuǎn)化為向量。