申请/专利权人：北京航空航天大学

申请日：2023-09-01

公开（公告）日：2024-05-07

公开（公告）号：CN117992330A

主分类号：G06F11/36

分类号：G06F11/36;G06N3/047;G06N3/042;G06F18/2415;G06F18/2135

优先权：

专利状态码：在审-公开

法律状态：2024.05.07#公开

摘要：本发明公开一种基于多任务贝叶斯图神经网络的组合形式化分析方法，属于软件缺陷预测领域；包含程序拓扑结构、代码度量特征、静态分析特征和形式化分析特征的多维融合图特征，结合多任务贝叶斯图神经网络模型进行软件缺陷预测，可深度反映程序的逻辑结构以及潜在的缺陷。可以解决已有的基于深度学习的软件缺陷预测方法无法充分利用软件逻辑信息和代码拓扑结构，导致最终结果精度较低的问题；可以解决已有缺陷预测方法仅能进行单一缺陷预测任务的问题，同时进行软件缺陷倾向性、位置和类型的预测；可以解决已有缺陷预测方法无法给出预测结果不确定性信息的问题。

主权项：1.一种基于多任务贝叶斯图神经网络的组合形式化分析方法，其特征在于，包括以下步骤：S1:将目标软件历史代码转化为控制流图，并根据函数调用关系构建图拓扑特征；S2:对图拓扑特征的每一个节点的代码进行度量，获取节点的语句数量信息和谓词数量信息，作为节点的代码度量特征；S3:通过静态分析和形式化分析两类方法分析被测软件，获得两类方法在软件历史版本代码上产生的告警信息；S4:将节点的静态分析特征、形式化分析特征和代码度量特征组合为多维融合图特征，并输入贝叶斯图神经网络模型中，完成训练与调优；S5:对目标软件待测代码重复执行上述步骤，得到待测多维融合图特征；S6:将待测多维融合图特征输入训练好的贝叶斯图神经网络模型，得到待测代码的缺陷倾向性、缺陷类型和缺陷位置预测结果及置信度。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于多任务贝叶斯图神经网络的组合形式化分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD