[發(fā)明專利]基于代碼表示的軟件缺陷自動(dòng)修復(fù)加速方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111337290.5
• 申請(qǐng)日: 2021-11-12
• 公開（公告）號(hào): CN114064472A
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計(jì)）人: 姜佳君;楊晨;陳俊潔;龍金強(qiáng);陳宇濤
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06F11/36
• 分類號(hào): G06F11/36;G06F8/41;G06F8/65
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李素蘭

1.一種基于代碼表示的軟件缺陷自動(dòng)修復(fù)加速方法，其特征在于，該方法包括以下步驟：

步驟一：候選相似代碼向量化，即對(duì)于給定的代碼片段m和n，使用代碼表示模型來(lái)獲得它們的向量表示：

首先，對(duì)于給定的錯(cuò)誤程序和自動(dòng)缺陷修復(fù)工具以函數(shù)的粒度提取出潛在的候選相似代碼；其次，將提取出的候選相似代碼進(jìn)行預(yù)處理，之后輸入ASTNN神經(jīng)網(wǎng)絡(luò)和CodeBERT神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練后的候選相似代碼的向量表示；對(duì)于每個(gè)候選相似代碼段，利用代碼表示模型ASTNN從語(yǔ)法層面和語(yǔ)義層面共同提取候選相似代碼段信息，以及，利用代碼表示模型CodeBERT從語(yǔ)義層面將候選相似代碼段作為自然語(yǔ)言進(jìn)行處理，使用預(yù)訓(xùn)練語(yǔ)言模型對(duì)候選相似代碼段進(jìn)行編碼，得到候選相似代碼的向量表示；

步驟二：利用ASTNN算法和CodeBERT算法分別計(jì)算候選相似代碼段與疑似的錯(cuò)誤代碼段、生成的候選補(bǔ)丁與疑似的錯(cuò)誤代碼段的相似度之間的相似度；

步驟三：動(dòng)態(tài)過(guò)濾，即在候選補(bǔ)丁列表中根據(jù)候選補(bǔ)丁與疑似的錯(cuò)誤代碼段之間的相似度以及各個(gè)候選補(bǔ)丁之間的相似度進(jìn)行候選補(bǔ)丁篩選，其中與疑似的錯(cuò)誤代碼段相似度低于閾值的候選補(bǔ)丁以及與已知錯(cuò)誤補(bǔ)丁相似度高于閾值的候選補(bǔ)丁被動(dòng)態(tài)過(guò)濾掉；

步驟四：修復(fù)驗(yàn)證，在大規(guī)模使用的基準(zhǔn)數(shù)據(jù)集上進(jìn)行驗(yàn)證，根據(jù)驗(yàn)證的結(jié)果對(duì)前面的動(dòng)態(tài)過(guò)濾過(guò)程進(jìn)行信息反饋，直到成功修復(fù)或程序運(yùn)行結(jié)束。

2.如權(quán)利要求1所述的一種基于代碼表示的軟件缺陷自動(dòng)修復(fù)加速方法，其特征在于，其中所述步驟一中的預(yù)訓(xùn)練語(yǔ)言模型基于大量開源代碼的雙模態(tài)和單模態(tài)數(shù)據(jù)訓(xùn)練得到。

3.如權(quán)利要求1所述的一種基于代碼表示的軟件缺陷自動(dòng)修復(fù)加速方法，其特征在于，其中所述步驟四中的驗(yàn)證處理具體包括以下步驟：

根據(jù)每個(gè)補(bǔ)丁與疑似的錯(cuò)誤代碼之間的相似性過(guò)濾掉相似度低的補(bǔ)丁；接下來(lái)，在對(duì)一個(gè)補(bǔ)丁進(jìn)行驗(yàn)證時(shí)，首先將該補(bǔ)丁應(yīng)用在待修復(fù)的疑似錯(cuò)誤代碼上，然后在應(yīng)用補(bǔ)丁后的代碼上執(zhí)行測(cè)試，如果通過(guò)了所有測(cè)試，則認(rèn)為是候選正確補(bǔ)丁，進(jìn)一步人工驗(yàn)證其是否與數(shù)據(jù)集中給定的正確補(bǔ)丁語(yǔ)義等價(jià)來(lái)確定補(bǔ)丁是否正確；若未能通過(guò)全部測(cè)試，則說(shuō)明該補(bǔ)丁不正確，此時(shí)過(guò)濾掉剩余待驗(yàn)證補(bǔ)丁中與該不正確補(bǔ)丁相似度高于閾值的補(bǔ)丁，實(shí)現(xiàn)動(dòng)態(tài)過(guò)濾，即將每次補(bǔ)丁驗(yàn)證的結(jié)果反饋給動(dòng)態(tài)過(guò)濾的過(guò)程。