[发明专利]构建评测二进制代码比对工具的测试数据集的方法及系统

权利要求书

1.构建评测二进制代码比对工具的测试数据集的方法，其特征在于，包括以下步骤：

从GitHub代码托管服务平台采集多个项目的信息，并存储于数据库系统中；所述项目的信息包括项目的各发布版本及父版本/子版本对的commit信息，项目版本信息包含当前项目的多个不同版本的源代码；

构建分布式编译源代码的环境，以所述项目各发布版本信息为输入，对项目不同版本的源代码进行编译，获取各版本源代码对应的二进制代码数据样本；

依据源代码名称获取对应父版本/子版本对的commit信息，以及遍历存储于数据库中的父版本/子版本对的commit信息，比较父版本/子版本对commit文件的信息，提取差异函数名称；

基于获取的二进制代码数据样本及差异函数名称列表，在对应的二进制代码数据样本中提取各差异函数的二进制代码。

2.根据权利要求1所述的方法，其特征在于，所述构建分布式编译源代码的环境，以所述项目各发布版本信息为输入，对项目不同版本的源代码进行编译，获取各版本源代码对应的二进制代码数据样本步骤，包括：

由主机程序设置分配任务的参数并且进行主机连接从机的操作，以及设置从机数量，主机进行任务划分操作，以将任务均衡的分配至各从机；主机连接从机，循环结构遍历各从机，开启多进程，每个进程对应一台从机，每个进程调用进程执行函数，进程同步，以保证各进程正确完成本进程的任务；

从机遍历各版本的源代码样本，调用从机本地脚本程序编译各版本的源代码样本；在从机内部，对各样本代码进行串行编译，从机之间，并行编译各样本代码；从机本地脚本程序设置工作目录，执行编译命令，并将编译生成的二进制程序拷贝至指定目录。

3.根据权利要求1所述的方法，其特征在于，提取差异函数名称步骤，包括：

定义存储父版本文件/子版本文件对的数组；

父版本/子版本对信息存储于数据库表格中；

连接数据库，遍历父版本/子版本对；

获取版本对的commit信息；

遍历各commit信息；

依据commit信息中的URL信息，下载对应的commit文件；

读取commit文件，提取非“@@”行中的函数名称结果，保存至变量matchfunc；

提取“@@”行中的文本，保存至变量matchtxt；

比较matchfunc变量与matchtxt变量是否相等，依据比较所得的不同结果，提取差异函数名称。

4.构建评测二进制代码比对工具的测试数据集的系统，其特征在于，包括：

采集单元，用于从GitHub代码托管服务平台采集多个项目的信息，并存储于数据库系统中；所述项目的信息包括项目的各发布版本及父版本/子版本对的commit信息，项目版本信息包含当前项目的多个不同版本的源代码；

编译单元，用于构建分布式编译源代码的环境，以所述项目各发布版本信息为输入，对项目不同版本的源代码进行编译，获取各版本源代码对应的二进制代码数据样本；

解析单元，用于依据源代码名称获取对应父版本/子版本对的commit信息，以及遍历存储于数据库中的父版本/子版本对的commit信息，比较父版本/子版本对commit文件的信息，提取差异函数名称；

提取单元，用于基于获取的二进制代码数据样本及差异函数名称列表，在对应的二进制代码数据样本中提取各差异函数的二进制代码。