[發明專利]軟件識別方法、裝置、存儲介質和電子設備

有效

• 申請號: 202111608925.0
• 申請日: 2021-12-27
• 公開（公告）號: CN113986602B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 程鵬;胡鵬;劉順明
• 申請（專利權）人: 廣州錦行網絡科技有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06N3/04;G06N3/08
• 代理公司: 深圳智匯遠見知識產權代理有限公司 44481
• 代理人: 聶磊

本發明公開了一種軟件識別方法、裝置、存儲介質和電子設備。該方法包括：獲取源文件與源文件更新后的目標文件，提取源文件與目標文件的代碼特征、文件特征、開發者特征和開發階段特征，識別源文件與目標文件的代碼特征、文件特征、開發者特征和開發階段特征，確定目標文件的識別結果，其中，識別結果用于指示目標文件有缺陷或目標文件無缺陷。本發明解決了識別軟件缺陷效率低的技術問題。

技術領域

本發明涉及智能設備領域，具體而言，涉及一種軟件識別方法、裝置、存儲介質和電子設備。

背景技術

現有技術中，在識別軟件缺陷的時候，可以使用訓練后的神經網絡模型來識別軟件缺陷。然而，若是使用神經網絡模型識別軟件缺陷，則提取特征會影響到識別缺陷的準確度和效率。目前的神經網絡模型識別軟件缺陷，提取特征復雜，計算量大，識別缺陷效率低。

發明內容

本發明實施例提供了一種軟件識別方法、裝置、存儲介質和電子設備，以至少解決除味器工作效率低的技術問題。

根據本發明實施例的一個方面，提供了一種軟件識別方法，包括：獲取源文件與上述源文件更新后的目標文件；提取上述源文件與上述目標文件的代碼特征、文件特征、開發者特征和開發階段特征，其中，上述代碼特征包括上述目標文件相比上述源文件增減的代碼行數量、上述源文件的代碼行數量和上述目標文件中注釋行數量與代碼行數量的比值，上述文件特征包括上述目標文件相比上述源文件變更的代碼所在的子文件的數量、上述目標文件中子文件的數量、上述目標文件相比上述源文件變更的代碼所影響到的代碼目錄的數量、上述目標文件相比上述源文件變更的代碼在上述目標文件中的分布參數、上述目標文件中每一個子文件中的代碼變更數量、上述目標文件相比上述源文件的每一個子文件的抽象語法樹差異值、上述目標文件相比于上述源文件的每一個子文件的目錄樹的差異值，上述開發者特征包括提供上述目標文件的目標賬號的已經提交的文件的第一數量、上述目標賬號的預定時間內提交的文件的第二數量，上述目標賬號已經提交的文件中，影響到上述目標文件所在系統的系統數量、上述目標賬號更新上述源文件得到上述目標文件的時長，上述開發階段特征包括上述目標文件所在的階段；識別上述源文件與上述目標文件的代碼特征、文件特征、開發者特征和開發階段特征，確定上述目標文件的識別結果，其中，上述識別結果用于指示上述目標文件有缺陷或上述目標文件無缺陷。

根據本發明實施例的另一方面，提供了一種軟件識別裝置，包括：獲取單元，用于獲取源文件與上述源文件更新后的目標文件；提取單元，用于提取上述源文件與上述目標文件的代碼特征、文件特征、開發者特征和開發階段特征，其中，上述代碼特征包括上述目標文件相比上述源文件增減的代碼行數量、上述源文件的代碼行數量和上述目標文件中注釋行數量與代碼行數量的比值，上述文件特征包括上述目標文件相比上述源文件變更的代碼所在的子文件的數量、上述目標文件中子文件的數量、上述目標文件相比上述源文件變更的代碼所影響到的代碼目錄的數量、上述目標文件相比上述源文件變更的代碼在上述目標文件中的分布參數、上述目標文件中每一個子文件中的代碼變更數量、上述目標文件相比上述源文件的每一個子文件的抽象語法樹差異值、上述目標文件相比于上述源文件的每一個子文件的目錄樹的差異值，上述開發者特征包括提供上述目標文件的目標賬號的已經提交的文件的第一數量、上述目標賬號的預定時間內提交的文件的第二數量，上述目標賬號已經提交的文件中，影響到上述目標文件所在系統的系統數量、上述目標賬號更新上述源文件得到上述目標文件的時長，上述開發階段特征包括上述目標文件所在的階段；識別單元，用于識別上述源文件與上述目標文件的代碼特征、文件特征、開發者特征和開發階段特征，確定上述目標文件的識別結果，其中，上述識別結果用于指示上述目標文件有缺陷或上述目標文件無缺陷。

作為一種可選的示例，上述提取單元還用于：統計上述源文件的代碼行數量；統計上述目標文件的代碼行數量；將上述源文件的代碼行數量于上述目標文件的代碼行數量的差值確定為上述變更的代碼行數量。