用于改进的软件开发效率的上下文和复杂度感知推荐系统的方法、系统、制品和装置制造方法及图纸

用于高效软件开发的上下文和复杂度感知推荐系统的装置、系统、制品和方法。示例装置包括：当前状态生成器，该当前状态生成器用于生成新函数的当前状态表示；指令预测器，该指令预测器用于基于新函数的当前状态来生成第一推荐软件组件；复杂度成本确定器，该复杂度成本确定器基于相关联的部分成本值的加权和来对第一推荐软件组件进行排名，软件组件用于基于与第二推荐软件组件中的各个第二推荐软件组件相对应的部分成本值的比较来相对于第二推荐软件组件进行排名；风险标识器，该风险标识器用于基于第一推荐软件组件的一部分的攻击面来检测漏洞；以及排名确定器，该排名确定器用于生成第三推荐软件组件，第三推荐软件组件与各个排名度量相对应。

【技术实现步骤摘要】
用于改进的软件开发效率的上下文和复杂度感知推荐系统的方法、系统、制品和装置
本公开总体上涉及软件开发，并且更具体地涉及用于改进的软件开发效率的上下文和复杂度感知推荐系统的系统、装置、制品和方法。
技术介绍
软件开发依赖于出于创建、设计、部署和支持软件的目的使用的计算机科学相关过程。虽然软件开发包括编写和维护源代码，但此类开发包含更广泛的生命周期，所述生命周期包括从构想软件原型的开始步骤到最终所开发的软件产品。又进一步地，此类软件开发包括修改、重新开发和研究，以完成最初的软件产品概念。附图说明图1A是图示实现上下文和复杂度感知推荐系统的示例环境的框图。图1B是根据本公开的教导的出于改进的软件开发效率的目的构造的示例上下文和复杂度感知推荐系统的框图。图2是表示可执行以实现图1B的示例推荐系统的元件的机器可读指令的流程图，该流程图表示使用推荐系统实现以生成新功能状态的指令。图3是表示可执行以实现图1B的示例推荐系统的元件的机器可读指令的流程图，该流程图表示用于生成推荐的指令。图4是表示可本文档来自技高网...

【技术保护点】
1.一种用于软件开发的装置，所述装置包括：/n当前状态生成器，所述当前状态生成器用于生成新函数的当前状态的表示；/n指令预测器，所述指令预测器用于基于所述新函数的所述当前状态来生成第一推荐软件组件；/n复杂度成本确定器，所述复杂度成本确定器基于相关联的部分成本值的加权和来对所述第一推荐软件组件进行排名，所述软件组件用于基于与第二推荐软件组件中的各个第二推荐软件组件相对应的部分成本值的比较来相对于所述第二推荐软件组件进行排名；/n风险标识器，所述风险标识器用于基于所述第一推荐软件组件的一部分的攻击面来检测漏洞；以及/n排名确定器，所述排名确定器用于生成第三推荐软件组件，所述第三推荐软件组件与各个...

【技术特征摘要】
20190628 US 16/457,0061.一种用于软件开发的装置，所述装置包括：
当前状态生成器，所述当前状态生成器用于生成新函数的当前状态的表示；
指令预测器，所述指令预测器用于基于所述新函数的所述当前状态来生成第一推荐软件组件；
复杂度成本确定器，所述复杂度成本确定器基于相关联的部分成本值的加权和来对所述第一推荐软件组件进行排名，所述软件组件用于基于与第二推荐软件组件中的各个第二推荐软件组件相对应的部分成本值的比较来相对于所述第二推荐软件组件进行排名；
风险标识器，所述风险标识器用于基于所述第一推荐软件组件的一部分的攻击面来检测漏洞；以及
排名确定器，所述排名确定器用于生成第三推荐软件组件，所述第三推荐软件组件与各个排名度量相对应。


2.如权利要求1所述的装置，其特征在于，所述各个排名度量包括基于复杂度成本或风险中的至少一者的排名，其中基于风险的排名包括检测漏洞。


3.如权利要求1所述的装置，进一步包括编码器，所述编码器用于对新函数规范、输入变元列表、或返回变元类型列表中的至少一者进行编码。


4.如权利要求3所述的装置，进一步包括漏洞分类器，所述漏洞分类器用于对所述第三推荐软件组件执行风险评分。


5.如权利要求4所述的装置，进一步包括递归神经网络，所述递归神经网络用于对所述漏洞进行分类。


6.如权利要求4所述的装置，其特征在于，所述漏洞分类器使用公共漏洞披露CVE数据库或Juliet测试套件中的至少一者来预训练。


7.如权利要求4所述的装置，进一步包括神经网络，所述神经网络被实现为生成对抗网络GAN。


8.如权利要求7所述的装置，其特征在于，所述风险评分包括以下各项中的至少一者：可利用软件代码的多个输入、完成神经网络训练的多个时期、或生成的输入的总数。


9.如权利要求3所述的装置，其特征在于，所述指令预测器用于接收经编码的新函数规范或所述当前状态表示中的至少一者作为输入，所述指令预测器包括序列到序列seq2seq模型，所述seq2seq模型进一步包括强制教学。


10.如权利要求9所述的装置，其特征在于，所述seq2seq模型包括半监督学习。


11.如权利要求9所述的装置，其特征在于，所述指令预测器包括指令到向量inst2vec模型，所述inst2vec模型用于提供表示所述函数的所述当前状态的输入向量。


12.如权利要求11所述的装置，其特征在于，所述inst2vec模型或所述seq2seq模型中的至少一者使用网络可获得的软件程序语料库来进行离线训练。


13.如权利要求3所述的装置，其特征在于，经编码的新函数规范是函数描述、输入变元列表或输出值列表中的至少一者。


14.如权利要求13所述的装置，其特征在于，所述编码器用于执行所述经编码的新函数规范的独热编码，所述独热编码包括无...

【专利技术属性】
技术研发人员：M·M·U·阿拉姆，D·I·冈萨雷斯阿圭里，S·周，J·高茨克里奇，陈理，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：美国;US