[發明專利]基于Adaboost模型的并發程序數據競爭語句級檢測方法

有效

• 申請號: 202010390967.0
• 申請日: 2020-05-11
• 公開（公告）號: CN111563045B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 孫家澤;易剛;王曙燕
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于Adaboost模型的并發程序數據競爭語句級檢測方法，其特征在于包括以下步驟：

(1)利用二進制插樁工具Pin對并發程序進行動態插樁，記錄各個程序指令的線程ID，指令訪問的內存地址，指令的讀寫操作，指令的鎖集；以及由各個線程的向量時鐘所組成的向量時鐘矩陣的更新過程；

(2)剔除掉無對應原碼的指令以及來自同一條語句的指令，每一條語句僅保留一條指令，實現指令的語句級轉化；

(3)提取并發程序的如下五個特征屬性：1)P_m：語句對中兩條語句訪問的內存地址是否一致，不一致為0，一致為1；2)P_o：若兩條語句中至少有一條為寫操作則為1，否則為0；3)P_v：兩條語句的向量時鐘是否滿足偏序關系，不滿足為1，滿足為0；4)P_l：如果兩條語句沒有受到同一個鎖保護則為1，否則為0；5)P_r：是否包含數據競爭，如果該語句對發生數據競爭則為1，否則為0；

(4)對于并發程序訓練樣本集中的各個并發程序，以P_m，P_o，P_v，P_l四個特征為特征屬性，P_r為類標號屬性，以此特征屬性數據建立并發程序數據競爭語句級檢測Adaboost模型，具體過程如下：

(4.1)設定迭代次數m，m＝1，2，.，M，初始化m＝1，初始化訓練樣本的權重：

其中ω_mi表示第m次迭代時訓練樣本x_i的權重，訓練樣本總數為N，迭代總次數為M；

(4.2)按照第m次迭代時訓練樣本權重D_m得到第m個基學習器G_m(x)：

G_m(x)：X→{0，1}

其中x是基學習器的輸入樣本，其四個特征屬性值為(P_m，P_o，P_v，P_l)，X為樣本x的預測結果P_r，值域為{0，1}；

(4.3)計算基學習器G_m(x)在訓練樣本集上的分類誤差率e_m以及基學習器G_m(x)在最終分類器中的權重系數α_m：

其中表示基學習器G_m(x)中輸入樣本x_i被分類錯誤的概率，y_i為x_i的正確分類結果；

(4.4)更新訓練集中樣本的權重：

D_m+1＝(ω_m+1，1，ω_m+1，2，...，ω_m+1，N)

其中D_m+1表示第m+1次迭代時的樣本權重集合，w_m+1，i表示第m+1次迭代時的樣本i的權重，Z_m是規范化因子；

如果m＜M，則令m＝m+1，返回步驟(4.2)，否則，進入步驟(4.5)；

(4.5)構建最終的分類器線性組合f(x)：

(4.6)最終的Adaboost分類器模型G(x)：

其中sign(f(x))表示對f(x)進行{0，1}符號轉化，如果f(x)＞0，則sign(f(x))＝1，f(x)≤0，則sign(f(x))＝0；

(5)將被測并發程序提取的P_m，P_o，P_v，P_l四個特征輸入步驟(4)建立的Adaboost分類器模型，輸出為1則該語句包含有數據競爭，輸出為0則該語句沒有包含數據競爭。