网络空间安全论文笔记3—

A systematic literature review on software detect prediction using artificial intelligence: Datasets, Data Validation Methods, Approaches, and Tools

软件缺陷预测的系统文献综述：从数据集、数据验证方法、缺陷检测和预测方法、工具以及对未来研究人员的建议几个角度展开

缺陷预测方法框架

发现缺陷的方法：使用传统方法检测缺陷和使用AI方法预测缺陷

缺陷检测：手动测试用例执行（具体可分类为黑盒/白盒/冒烟/用户验收/可用性/性能测试，非常耗时）、自动化缺陷检测（软件框架驱动测试用例）、运行静态代码分析器（检查预定义的规则）、手动代码审查、同行审查

缺陷预测：基于软件项目分类、基于缺陷预测指标分类、统计分类、基于AI技术分类

基于软件项目分类（使用项目本身信息）：项目内缺陷预测WPDP、跨项目缺陷预测CPDP、跨版本缺陷预测CVDP、异构缺陷预测HDP

基于指标分类：类(RFC)、代码行(LOC)和缺乏编码质量(LOCQ)等指标，过程度量、代码度量、面向对象度量

基于AI技术分类

评价指标：AUC、PF、F-Measure、Recall、Precision

数据集：主要来自于 NASA、PROMISE 和 AEEEM 数据集

具有类不平衡（解决方法：Bagging、过采样、欠采样、综合少数过采样技术 SMOTE、两阶段成本敏感学习）、维度过高（解决方法：降维、筛选部分特征）、预测特征不足、分类标签不足

特征选择：基于相关性/过滤器/聚类/前向选择/贪心前向选择/遗传蚁群优化/相似性度量/卡方/信息增益/PCA/KPCA等方法

高质量、平衡且无噪音的数据非常重要。毫无疑问，数据预处理是机器学习或人工智能相关任务中的重要一步

数据集（进一步丰富以添加有助于预测缺陷估计、资源分配和修复缺陷的代码参考的附加功能）

A deep tree-based model for software defect prediction

研究背景

机器学习方法：提取特征（代码大小、复杂度、流失指标），交给分类器（朴素贝叶斯、支持向量机、随机森林），不能真正理解代码的语法语义

自然语言处理技术：词袋BoW，依旧具有语义理解方面的局限

实例：具有相似的软件度量、代码标记和频率，不同的句法和语义结构

研究成果

提出了一个树形结构的LSTM模型（每个AST节点对应网络中一个LSTM单元），在项目内预测和跨项目预测任务上取得各类指标的突破

模型实现

1）解析源代码：将源代码文件解析为抽象语法树。AST的根代表一个完整的源文件，其子项都是文件的顶部元素，例如导入和类声明。每个类声明节点都有多个子节点，它们代表类的字段或方法。一个方法声明节点也有多个子节点，代表它的名称、参数参数、返回类型和主体。在 SimpleName 节点的情况下，我们用其 AST 类型（例如 FieldDeclaration、MethodDeclaration、BlockStmt 和 WhileStmt）或它的 AST 名称（例如变量名称、类名称和方法名称）标记每个树节点

2）嵌入AST节点：将AST节点映射为一个固定长度的连续值向量。嵌入矩阵随机初始化，然后在训练过程中学习

3）缺陷预测模型：Tree-LSTM 单元被建模为函数 t-lstm()，它以 AST 节点 t 作为输入并输出两个向量：h（表示隐藏的输出状态）和 c（表示它记住的上下文仍远在 AST 中）。这是通过聚合后代的输出来完成的，即在子节点上递归调用 t-lstm()

数据集

1）三星提供的开源项目，由三星的静态分析工具对有缺陷的文件进行识别

2）PROMISE数据集

网络空间安全论文笔记3——缺陷相关推荐

网络空间安全论文笔记2——漏洞
Exploitability prediction of software vulnerabilities 预测漏洞:基于计数的方法(侧重于预测特定时间范围内软件系统中存在的漏洞数量,在理解安全趋势. ...
网络空间安全论文笔记4
VulDeePecker: A Deep Learning-Based System for Vulnerability Detection. (NDSS 2018) VulDeePecher:一种基 ...
2019 DGF(深度引导滤波网络) 相关的论文笔记
文章目录 *Fast End-to-End Trainable Guided Filter* *KeyPoint* *overview* *keywords* *extends* 摘要引言相关工作 ...
2019寒假训练营寒假作业（三） MOOC的网络空间安全概论笔记部分
目录第五章网络攻防技术 5.1:网络信息收集技术--网络踩点信息收集的必要性及内容网络信息收集技术网络踩点(Footprinting) 网络踩点常用手段 5.2:网络信息收集技术 --网络扫 ...
usermode linux网络空间,（RHCE笔记）linux基础之三用户、组及权限
一.user 1.每个用户将指派唯一用户ID(UID) root的ID为0 普通用户ID从500开始(0-500系统使用) 2.用户名和用户ID存在 /etc/passwd中 3.当用户登陆时系统自动 ...
论文笔记目录（ver2.0）
1 时间序列 1.1 时间序列预测论文名称来源主要内容论文笔记:DCRNN (Diffusion Convolutional Recurrent Neural Network: Data-Dr ...
Deep Learning论文笔记之（七）深度网络高层特征可视化
Deep Learning论文笔记之(七)深度网络高层特征可视化 zouxy09@qq.com http://blog.csdn.net/zouxy09 自己平时看了一些论文,但老感 ...
【论文笔记】—低照度图像增强—ZeroShot—RUAS网络—2021-CVPR
论文介绍题目:Retinex-Inspired Unrolling With Cooperative Prior Architecture Search for Low-Light Image E ...
论文笔记（FCN网络，语义分割）：Fully Convolutional Networks for Semantic Segmentation
FCN论文笔记:Fully Convolutional Networks for Semantic Segmentation 语义分割模型结构时序: FCN SegNet Dilated Convol ...

网络空间安全论文笔记3——缺陷

A systematic literature review on software detect prediction using artificial intelligence: Datasets, Data Validation Methods, Approaches, and Tools

A deep tree-based model for software defect prediction

网络空间安全论文笔记3——缺陷相关推荐

最新文章

热门文章