[发明专利]一种基于机器学习的软件缺陷确认方法

说明书

本发明涉及一种基于机器学习的软件缺陷确认方法，包括：步骤一：构建特征向量；步骤二：基于聚类分析的缺陷代码知识库构建，包括：以缺陷代码特征向量集作为数据集输入，聚类集成；对一个数据集进行聚类集成，首先要产生多个聚类结果，然后对这些聚类进行集成；包括进行多个聚类结果收集以及多个聚类结果集成；形成缺陷代码知识库样本；步骤三：基于监督学习的缺陷代码确认，包括：以获得的缺陷代码知识库样本为输入，构建多类分类器并用测试样本判断分类器是否满足评价指标；若不满足评价指标，引入代价函数对分类器进行迭代优化直至满足指标。本发明完成对误报缺陷和非误报缺陷的分离工作，达到软件缺陷精确确认、提高测试效率的目的。

技术领域

本发明涉及一种软件技术，特别涉及一种基于机器学习的软件缺陷确认方法。

背景技术

随着软件复杂度日益提高，代码量不断增长，软件的缺陷检测确认也越来越重要。传统的软件静态分析是不执行程序代码而寻找代码中可能存在的错误或评估程序代码的过程，通过扫描程序代码正文对程序的数据流和控制流等进行分析，使系统的设计符合模块化、结构化、面向对象的要求，通过对代码标准及质量的监控提高代码可靠性。

现有的软件静态分析经常是基于近似的分析方法，其提供的信息并不总是精确的。不实际执行程序，只是通过对代码的静态扫描来对程序进行分析。软件静态分析所得到的结果中存在大量的误报，需要人工筛选出软件缺陷，这种通过人工判定检测结果的做法已经不足以满足未来软件高速发展的要求。

发明内容

本发明的目的在于提供一种基于机器学习的软件缺陷确认方法，用于解决上述现有技术的问题。

本发明一种基于机器学习的软件缺陷确认方法，包括：步骤一：构建特征向量，包括：首先逐条提取缺陷代码集中的缺陷代码片段，采用基于切片分析的代码过滤将缺陷代码片段过滤为最小化缺陷代码片段，然后使用语法分析树方法将代码片段转化为抽象语法树，并根据不同的代码规则，选择合适的C语言关键字集组成多行代码的特征矩阵，再依据特征矩阵合并方法，最终得到缺陷代码特征向量集，供后续机器学习使用；步骤二：基于聚类分析的缺陷代码知识库构建，包括：以缺陷代码特征向量集作为数据集输入，聚类集成；对一个数据集进行聚类集成，首先要产生多个聚类结果，然后对这些聚类进行集成；包括进行多个聚类结果收集以及多个聚类结果集成；形成缺陷代码知识库样本；步骤三：基于监督学习的缺陷代码确认，包括：以获得的缺陷代码知识库样本为输入，构建多类分类器并用测试样本判断分类器是否满足评价指标；若不满足评价指标，引入代价函数对分类器进行迭代优化直至满足指标。

本发明提出一种基于机器学习的软件缺陷确认方法，以软件静态分析工具的检测结果作为输入，首先，通过切片分析方法提取出缺陷代码行对应的最小化缺陷代码片段，并基于语法树构建最小化缺陷代码特征向量；然后聚类分析依据特征向量，通过特征选择、聚类集成技术构建缺陷代码知识库；最后，基于缺陷代码知识库和监督学习方法构建软件缺陷代码确认模型并进行训练，不断优化模型直至达到规定的准确度，完成对误报缺陷和非误报缺陷的分离工作，达到软件缺陷精确确认、提高测试效率的目的。

附图说明

图1所示为代码特征向量构建方法的流程；

图2为一段简单的程序静态切片示例图；

图3为对示例代码的语法抽象树的构建过程示意图；

图4所示为聚类集成过程示意图；

图5所示为一对其余法分类问题示意图；

图6所示为四类问题DAG结构图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

本发明一种基于机器学习的软件缺陷确认方法包括：

步骤一：构建特征向量；