背景
- 出處：2016 IEEE/ACM 38th IEEE International Conference on Software Engineering
- 作者：Song Wang,Taiyue Liu and Lin Tan
概述
論文主要觀點(diǎn)
解析程序源代碼中的抽象語法樹（AST），利用深度置信網(wǎng)絡(luò)（DBN）從中抽取特征，形成“語義特征”，利用這些特征進(jìn)行軟件缺陷檢測。
成果
利用DBN從AST中抽取的語義特征在within-project和cross-project中均表現(xiàn)良好。
方法模型#
相關(guān)工作圖
主要步驟
- 將源碼轉(zhuǎn)換成AST；
- 從AST中識(shí)別聲明節(jié)點(diǎn)、控制流節(jié)點(diǎn)等，將其轉(zhuǎn)換成向量；
- 將向量中的元素映射成數(shù)字，形成數(shù)字向量；
- 將向量送入DBN中進(jìn)行特征提取（降維），產(chǎn)生最終的“語義特征”；
- 如此形成帶標(biāo)記的訓(xùn)練數(shù)據(jù)，在訓(xùn)練數(shù)據(jù)上利用經(jīng)典分類器訓(xùn)練。
實(shí)驗(yàn)
- 為DBN選擇三個(gè)參數(shù)：通過改變參數(shù)值不斷實(shí)驗(yàn)得到最優(yōu)值；
- within-project：選擇同一個(gè)項(xiàng)目的兩個(gè)連續(xù)的版本，前一個(gè)作為訓(xùn)練數(shù)據(jù)，后一個(gè)作為測試數(shù)據(jù)。對(duì)比另外兩個(gè)特征；
- 對(duì)比不同的分類器，均為經(jīng)典分類器，樸素貝葉斯，邏輯回歸等；
- cross-project：兩個(gè)不同的項(xiàng)目，第一個(gè)用來訓(xùn)練，第二個(gè)用來測試。對(duì)比ACT+算法（使用經(jīng)典特征）；
- 測試算法的時(shí)間空間復(fù)雜度。
創(chuàng)新點(diǎn)
所謂的“語義特征”，用DBN處理AST，對(duì)raw數(shù)據(jù)進(jìn)行了壓縮提純。
總結(jié)
優(yōu)點(diǎn)
“語義特征”的效果似乎非常好。
不足
對(duì)比的TCA+是作者自己實(shí)現(xiàn)的，其效果不一定有原始的好，數(shù)據(jù)來源不太可靠。
我的想法
可否在分類器上再做些更好的選擇？
