[發(fā)明專利]基于航天軟件缺陷數(shù)據(jù)集類不平衡的對(duì)抗驗(yàn)證方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011314574.8
• 申請(qǐng)日: 2020-11-20
• 公開（公告）號(hào): CN112380132A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 江云松;馮濤;李鵬宇;高猛;滕俊元
• 申請(qǐng)（專利權(quán)）人: 北京軒宇信息技術(shù)有限公司
• 主分類號(hào): G06F11/36
• 分類號(hào): G06F11/36;G06K9/62;G06N20/20
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 陳鵬

本發(fā)明實(shí)施例公開了一種基于航天軟件缺陷數(shù)據(jù)集類不平衡的對(duì)抗驗(yàn)證方法及裝置。所述方法包括：獲取航天嵌入式軟件對(duì)應(yīng)的缺陷數(shù)據(jù)訓(xùn)練集和缺陷數(shù)據(jù)測(cè)試集；合并所述缺陷數(shù)據(jù)訓(xùn)練集和所述缺陷數(shù)據(jù)測(cè)試集，生成合并數(shù)據(jù)集；基于集成學(xué)習(xí)方法對(duì)所述合并數(shù)據(jù)集中的缺陷數(shù)據(jù)樣本進(jìn)行預(yù)測(cè)，確定所述缺陷數(shù)據(jù)樣本對(duì)應(yīng)的預(yù)測(cè)概率；根據(jù)所述預(yù)測(cè)概率，對(duì)所述合并數(shù)據(jù)集中的缺陷數(shù)據(jù)樣本進(jìn)行升序排序，并從所述缺陷數(shù)據(jù)樣本中篩選出設(shè)定比例的缺陷數(shù)據(jù)樣本，得到所述航天嵌入式軟件對(duì)應(yīng)的驗(yàn)證數(shù)據(jù)樣本。本發(fā)明實(shí)施例提供了切實(shí)可行的缺陷數(shù)據(jù)集的對(duì)抗驗(yàn)證方法，能夠解決航天嵌入式軟件缺陷預(yù)測(cè)工程實(shí)踐測(cè)試集與訓(xùn)練集分布不一致的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及軟件缺陷預(yù)測(cè)技術(shù)領(lǐng)域，特別是一種基于航天軟件缺陷數(shù)據(jù)集類不平衡的對(duì)抗驗(yàn)證方法及裝置。

背景技術(shù)

選擇合適的學(xué)習(xí)算法進(jìn)行適當(dāng)?shù)挠?xùn)練是基于機(jī)器學(xué)習(xí)的軟件缺陷預(yù)測(cè)的核心。為了能夠?qū)⒌念A(yù)測(cè)模型進(jìn)行性能分析，往往會(huì)將歷史數(shù)據(jù)劃分為訓(xùn)練集和驗(yàn)證集兩部分，其中測(cè)試集和驗(yàn)證集中的樣本不重疊。為了使歷史數(shù)據(jù)中所有的樣本都能夠得到檢驗(yàn)，訓(xùn)練集和驗(yàn)證集的劃分會(huì)重復(fù)多次進(jìn)行，以對(duì)預(yù)測(cè)模型進(jìn)行有效的測(cè)試，常用的劃分方法為M×N交叉驗(yàn)證法。

在航天嵌入式軟件缺陷預(yù)測(cè)真實(shí)的業(yè)務(wù)場(chǎng)景中，由于數(shù)據(jù)集采樣和缺陷數(shù)據(jù)集分布規(guī)律的原因?qū)е掠?xùn)練集和工程實(shí)踐測(cè)試集存在分布不一致的情況，這時(shí)候交叉驗(yàn)證的方法無法準(zhǔn)確的評(píng)估模型在工程實(shí)踐測(cè)試集上的效果，模型在工程實(shí)踐測(cè)試集上的效果遠(yuǎn)低于訓(xùn)練集。樣本分布變化主要體現(xiàn)在訓(xùn)練集和工程實(shí)踐測(cè)試集的數(shù)據(jù)分布存在差異,例如函數(shù)度量的非循環(huán)路徑數(shù)目、基本圈復(fù)雜度、非重復(fù)操作符個(gè)數(shù)、廣度優(yōu)先調(diào)用層次、最大嵌套深度隨著時(shí)間的變化，數(shù)據(jù)樣本分布也發(fā)生了變化。

因此，更好的解決航天嵌入式軟件缺陷預(yù)測(cè)工程實(shí)踐測(cè)試集與訓(xùn)練集分布不一致的問題，提高軟件缺陷預(yù)測(cè)的準(zhǔn)確性，成為同行從業(yè)人員亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明解決的技術(shù)問題是：克服現(xiàn)有技術(shù)的不足，提供了一種基于航天軟件缺陷數(shù)據(jù)集類不平衡的對(duì)抗驗(yàn)證方法及裝置。

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種基于航天軟件缺陷數(shù)據(jù)集類不平衡的對(duì)抗驗(yàn)證方法，包括：

獲取航天嵌入式軟件對(duì)應(yīng)的缺陷數(shù)據(jù)訓(xùn)練集和缺陷數(shù)據(jù)測(cè)試集；

合并所述缺陷數(shù)據(jù)訓(xùn)練集和所述缺陷數(shù)據(jù)測(cè)試集，生成合并數(shù)據(jù)集；

基于集成學(xué)習(xí)方法對(duì)所述合并數(shù)據(jù)集中的缺陷數(shù)據(jù)樣本進(jìn)行預(yù)測(cè)，確定所述缺陷數(shù)據(jù)樣本對(duì)應(yīng)的預(yù)測(cè)概率；

根據(jù)所述預(yù)測(cè)概率，對(duì)所述合并數(shù)據(jù)集中的缺陷數(shù)據(jù)樣本進(jìn)行升序排序，并從所述缺陷數(shù)據(jù)樣本中篩選出設(shè)定比例的缺陷數(shù)據(jù)樣本，得到所述航天嵌入式軟件對(duì)應(yīng)的驗(yàn)證數(shù)據(jù)樣本。

可選地，在所需訓(xùn)練的模型為樹模型時(shí)，所述缺陷數(shù)據(jù)訓(xùn)練集和所述缺陷數(shù)據(jù)測(cè)試集的度量元包括詞匯數(shù)、詞匯頻率、語句平均復(fù)雜度、交點(diǎn)復(fù)雜度、非循環(huán)路徑數(shù)目、可執(zhí)行語句行數(shù)、代碼行、非注釋非空行、LCSAJ數(shù)目、最大LCSAJ密度、廣度優(yōu)先調(diào)用層次、深度優(yōu)先調(diào)用層次、非重復(fù)操作符個(gè)數(shù)、基本圈復(fù)雜度和McCabe復(fù)雜度；

在所需訓(xùn)練的模型為神經(jīng)網(wǎng)絡(luò)模型時(shí)，所述缺陷數(shù)據(jù)訓(xùn)練集和所述缺陷數(shù)據(jù)測(cè)試集的度量元包括代碼行數(shù)、空白行數(shù)、可執(zhí)行行數(shù)、注釋行數(shù)、路徑數(shù)、基本圈復(fù)雜度和最大嵌套深度；

所述缺陷數(shù)據(jù)訓(xùn)練集和所述缺陷數(shù)據(jù)測(cè)試集類不平衡軟件缺陷率的范圍為[0.41％，9.50％]。

可選地，所述基于集成學(xué)習(xí)方法對(duì)所述合并數(shù)據(jù)集中的缺陷數(shù)據(jù)樣本進(jìn)行預(yù)測(cè)，確定所述缺陷數(shù)據(jù)樣本對(duì)應(yīng)的預(yù)測(cè)概率，包括：

基于LightGBM、XGBoost和Neural Network集成學(xué)習(xí)方法對(duì)所述合并數(shù)據(jù)集中的缺陷數(shù)據(jù)樣本進(jìn)行預(yù)測(cè)，以得到所述缺陷樣本數(shù)據(jù)的預(yù)測(cè)概率。