[發(fā)明專利]知識驅(qū)動的軟件缺陷檢測與分析方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110726068.8
• 申請日: 2021-06-29
• 公開（公告）號: CN113434418A
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計）人: 薄莉莉;曹思聰;孫小兵;李世豪;李斌
• 申請（專利權(quán)）人: 揚州大學(xué)
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06F40/211;G06F40/253;G06F40/295;G06F40/30;G06F16/28;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務(wù)所(普通合伙) 32204
• 代理人: 孟紅梅

本發(fā)明公開了一種知識驅(qū)動的軟件缺陷檢測與分析方法及系統(tǒng)，主要包括：構(gòu)建缺陷數(shù)據(jù)集；構(gòu)建代碼特征圖以對代碼進行建模并嵌入到向量空間；通過圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)缺陷代碼隱式特征，訓(xùn)練缺陷檢測模型；利用檢測模型檢測項目中存在的缺陷，通過相似度計算匹配缺陷數(shù)據(jù)集中已有的相似缺陷；提取相似缺陷報告中有語義價值的缺陷知識，進行知識融合與檢測，構(gòu)建軟件缺陷知識圖譜以輔助開發(fā)者理解檢測出的缺陷可能存在的問題。本發(fā)明可以緩解傳統(tǒng)缺陷檢測技術(shù)中難以制定有效全面的缺陷模式所導(dǎo)致的高誤報率問題，并從知識的角度分析檢測出的缺陷，使實際應(yīng)用領(lǐng)域更廣、精度更高、可解釋性更強。

技術(shù)領(lǐng)域

本發(fā)明屬于軟件安全領(lǐng)域，特別涉及一種知識驅(qū)動的軟件缺陷檢測與分析方法及系統(tǒng)。

背景技術(shù)

軟件缺陷是指軟件產(chǎn)品的結(jié)果不符合軟件要求或最終用戶期望。它通常會以非預(yù)期的方式產(chǎn)生不正確或意外的結(jié)果和行為。軟件日益增加的復(fù)雜性和依賴性增加了軟件高質(zhì)量、低成本和可維護的難度，以及創(chuàng)建軟件缺陷的可能性。傳統(tǒng)的缺陷檢測方法大多針對某種特定類型的缺陷，通過正則表達式來匹配代碼中可能存在缺陷的語句。然而，完全依靠人工專家制定的缺陷規(guī)則來涵蓋日益增長的軟件缺陷是不切實際的。

目前已有一些工作使用機器學(xué)習(xí)的方法來檢測軟件缺陷。何吉元等人提出一種基于搜索的半監(jiān)督集成方法，通過具有全局搜索能力的遺傳算法，基于少量已標記目標實例對基分類器進行集成，顯著提高了項目間缺陷檢測的性能。陳曙等人提出將實例加權(quán)的領(lǐng)域適配與機器學(xué)習(xí)的預(yù)測模型訓(xùn)練過程相結(jié)合,通過構(gòu)造目標項目樣本相關(guān)的權(quán)重，以實例權(quán)重去影響預(yù)測模型的參數(shù)學(xué)習(xí)過程,將來自目標項目中缺陷數(shù)據(jù)集的分布特性適配到訓(xùn)練數(shù)據(jù)集中，從而實現(xiàn)缺陷數(shù)據(jù)樣本的復(fù)用和跨項目軟件缺陷預(yù)測。然而，目前大多數(shù)基于機器學(xué)習(xí)的軟件缺陷檢測方法的粒度均為文件級，使得當部署到實際的應(yīng)用場景下時，用戶難以根據(jù)粗粒度的檢測結(jié)果來輔助代碼的維護與保障。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)存在的問題，提供一種具有應(yīng)用領(lǐng)域更廣、精度更高、可解釋性更強等特點的知識驅(qū)動的軟件缺陷檢測與分析方法及系統(tǒng)。

技術(shù)方案：為實現(xiàn)本發(fā)明目的所采用的技術(shù)方案為：一種知識驅(qū)動的軟件缺陷檢測與分析方法，所述方法包括以下步驟：

步驟1，采集公開的缺陷數(shù)據(jù)，構(gòu)建缺陷數(shù)據(jù)集；

步驟2，對缺陷代碼進行預(yù)處理，通過代碼特征圖對代碼進行建模并嵌入到向量空間；其中代碼特征圖根據(jù)抽象語法樹AST、控制流圖CFG和程序依賴圖PDG構(gòu)造，圖的邊類型由AST、CFG和PDG構(gòu)成，節(jié)點集由抽象語法樹AST的節(jié)點集構(gòu)成；從代碼特征圖中提取與缺陷代碼行相關(guān)的缺陷特征子圖進行圖嵌入；

步驟3，通過圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)缺陷代碼隱式特征，訓(xùn)練缺陷檢測模型；

步驟4，對待檢測項目進行處理，輸入最優(yōu)的檢測模型中，檢測項目中存在的缺陷，并將檢測到的缺陷依據(jù)其缺陷類型與缺陷數(shù)據(jù)集中的同類型已知缺陷進行相似度計算，匹配相似度最高的已知缺陷；

步驟5，提取相似缺陷報告中有語義價值的缺陷知識，進行知識融合與檢測，構(gòu)建軟件缺陷知識圖譜，通過挖掘相似缺陷報告中的關(guān)鍵信息以輔助開發(fā)者理解檢測出的缺陷；

進一步地，步驟1所述采集公開的缺陷數(shù)據(jù)，構(gòu)建缺陷數(shù)據(jù)集，具體過程包括：

步驟1-1，從缺陷追蹤庫和開源代碼庫中采集公開的缺陷數(shù)據(jù)，包括缺陷報告以及缺陷代碼；

步驟1-2，對采集到的缺陷數(shù)據(jù)進行預(yù)處理，從函數(shù)級別提取缺陷代碼，對函數(shù)級缺陷代碼進行清洗，去除包括代碼注釋、聲明的全局參數(shù)在內(nèi)的多余信息，得到缺陷數(shù)據(jù)集。

進一步地，步驟2所述對缺陷代碼進行預(yù)處理，通過代碼特征圖對代碼進行建模并嵌入到向量空間，具體過程包括：