[發明專利]一種適用于代碼發布的質檢方法及系統

在審

• 申請號: 202110064097.2
• 申請日: 2021-01-18
• 公開（公告）號: CN112506804A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 付亦豐
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06F8/71;G06N3/04
• 代理公司: 日照市聚信創騰知識產權代理事務所(普通合伙) 37319
• 代理人: 陳智聰

1.一種適用于代碼發布的質檢方法，其特征在于，包括：

獲取目標代碼發布事項中的生產環境配置信息和代碼功能配置信息；

基于所述目標代碼發布事項中的生產環境配置信息和代碼功能配置信息之間的配置信息相關度，對所述目標代碼發布事項中的生產環境配置信息和代碼功能配置信息進行配對，得到配置信息配對結果；

將配對失敗的代碼功能配置信息確定為待監控代碼功能配置信息，根據所述配置信息配對結果中的代碼功能配置信息與所述待監控代碼功能配置信息之間的差異化比較結果，確定與所述待監控代碼功能配置信息相對應的執行腳本檢測目錄；

對與所述待監控代碼功能配置信息相對應的執行腳本檢測目錄和所述待監控代碼功能配置信息進行代碼發布校驗，得到代碼發布校驗結果；

基于所述配置信息配對結果以及所述代碼發布校驗結果，確定目標執行腳本檢測目錄；根據所述目標執行腳本檢測目錄，通過神經網絡，確定所述目標代碼發布事項中的執行腳本驗證信息對應的代碼質檢結果；

在所述代碼質檢結果表征所述目標代碼發布事項中的待發布代碼不存在異常時，發布所述目標代碼發布事項中的待發布代碼。

2.根據權利要求1所述的一種適用于代碼發布的質檢方法，其特征在于，所述在所述代碼質檢結果表征所述目標代碼發布事項中的待發布代碼不存在異常時，發布所述目標代碼發布事項中的待發布代碼，具體包括：

利用預設的輸入參數以及預設的輸出參數，替換所述待發布代碼中的輸入參數以及輸出參數；

運行替換后的所述待發布代碼，以對預設的測試數據進行業務處理；

基于所述業務處理對應的處理結果，發布所述待發布代碼；

其中，所述處理結果至少包括以下任意一項或者多項：所述替換后的待發布代碼在運行過程中對應的代碼覆蓋率、所述替換后的待發布代碼在運行過程中對應的測試數據處理成功率。

3.根據權利要求1所述的一種適用于代碼發布的質檢方法，其特征在于，所述基于所述配置信息配對結果以及所述代碼發布校驗結果，確定目標執行腳本檢測目錄，進而根據所述目標執行腳本檢測目錄，通過神經網絡，確定所述目標代碼發布事項中的執行腳本驗證信息對應的代碼質檢結果，具體包括：

將所述配置信息配對結果和所述代碼發布校驗結果，確定為所述目標代碼發布事項中的已標記配對結果，并將所述已標記配對結果所包含的執行腳本檢測目錄，確定為目標執行腳本檢測目錄；其中，所述配置信息配對結果所包含的執行腳本檢測目錄為所述配置信息配對結果中的生產環境配置信息所包含的執行腳本檢測目錄；

為所述目標執行腳本檢測目錄與所對應的所述已標記配對結果中的代碼功能配置信息添加相同的目錄標簽；

將具有所述目錄標簽的所述目標執行腳本檢測目錄，分別輸入至預設的多維均值聚類網絡、預設的深度學習神經網絡以及預設的前向反饋神經網絡，以根據所述代碼發布校驗結果和所述配置信息配對結果，確定所述目標代碼發布事項中的執行腳本驗證信息和所述執行腳本驗證信息對應的代碼質檢結果；

其中，通過所述預設的多維均值聚類網絡對所述目標執行腳本檢測目錄進行代碼質檢的速率，大于通過所述預設的深度學習神經網絡對所述目標執行腳本檢測目錄進行代碼質檢的速率；通過所述預設的深度學習神經網絡對所述目標執行腳本檢測目錄進行代碼質檢的速率，大于通過所述預設的前向反饋神經網絡對所述目標執行腳本檢測目錄進行代碼質檢的速率；所述預設的多維均值聚類網絡針對所述目標執行腳本檢測目錄的代碼誤檢率，小于所述預設的深度學習神經網絡針對所述目標執行腳本檢測目錄的代碼誤檢率；所述預設的深度學習神經網絡針對所述目標執行腳本檢測目錄的代碼誤檢率，小于所述預設的前向反饋神經網絡針對所述目標執行腳本檢測目錄的代碼誤檢率；

所述根據所述代碼發布校驗結果和所述配置信息配對結果，確定所述目標代碼發布事項中的執行腳本驗證信息和所述執行腳本驗證信息對應的代碼質檢結果，包括：

根據所述已標記配對結果中的代碼功能配置信息，確定所述目標代碼發布事項中的所述執行腳本驗證信息；

根據所述已標記配對結果中的代碼功能配置信息所具有的所述目錄標簽，從所述預設的多維均值聚類網絡、所述預設的深度學習神經網絡或所述預設的前向反饋神經網絡中，獲取所述執行腳本驗證信息對應的代碼質檢結果，包括：

根據所述已標記配對結果中的代碼功能配置信息所具有的所述目錄標簽，生成用于在所述預設的多維均值聚類網絡中檢測所述目標執行腳本檢測目錄的第一代碼檢測指示信息，當根據所述第一代碼檢測指示信息未從所述預設的多維均值聚類網絡中確定出所述執行腳本驗證信息對應的代碼質檢結果時，根據所述第一代碼檢測指示信息，生成用于在所述預設的深度學習神經網絡中檢測所述目標執行腳本檢測目錄的第二代碼檢測指示信息；

當根據所述第二代碼檢測指示信息未從所述預設的深度學習神經網絡中確定出所述執行腳本驗證信息對應的代碼質檢結果時，根據所述第二代碼檢測指示信息，生成用于在所述預設的前向反饋神經網絡中檢測所述目標執行腳本檢測目錄的第三代碼檢測指示信息；

根據所述第三代碼檢測指示信息，從所述預設的前向反饋神經網絡中獲取所述執行腳本驗證信息對應的代碼質檢結果。