本发明专利技术涉及一种跨项目软件缺陷预测数据隐私保护方法及装置，包括：获取软件缺陷预测数据集，软件缺陷预测数据集包括预测数据和类别标签；对预测数据预处理得到隐藏串数据；根据基于属性权重负数据生成算法对隐藏串数据负数据化处理生成负数据库，并对负数据库进行特征提取得到目标预测数据，根据目标预测数据和类别标签得到隐私保护预测数据集。综上，本发明专利技术通过基于属性权重负数据生成算法对隐藏串数据负数据化，在保留数据特征的同时，对隐私数据进行高效保护，得到高隐私保护率的隐私保护预测数据集。
【技术实现步骤摘要】
本专利技术涉及隐私安全领域，具体涉及一种跨项目软件缺陷预测数据隐私保护方法及装置。
技术介绍
1、sdp(software defect prediction，软件缺陷预测)技术是一种利用与软件开发有关的历史数据和机器学习算法，来判断新开发的软件是否存在缺陷的技术，其中为提高模型的泛化能力，研究人员在sdp基础上提出了许多基于迁移学习的cpdp(cross-projectdefect prediction，跨项目缺陷预测)方法。然而由于cpdp中跨项目数据来源的多样性，隐私保护成为不可忽视的问题。为保护数据隐私，现有技术提出了如基于扰动的morph方法，基于泛化和扰动的lace1方法和利用稀疏矩阵和双重扰动改进lace1的srdo方法等，可以在保留数据特征的同时保护隐私数据，在模拟背景知识攻击中，morph、lace1和srdo分别实现了对敏感信息的92％、90％和95％的隐私保护率。虽然现有技术的隐私保护率已达到90％以上，但是对于重要的隐私数据而言，仍然存在一定的隐私泄露风险，现有技术的隐私保护率仍然难以满足要求，亟需改进。
...
【技术保护点】
1.一种跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述方法包括：
2.根据权利要求1所述的跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述对所述预测数据预处理得到隐藏串数据，包括：
3.根据权利要求1所述的跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述根据基于属性权重负数据生成算法对所述隐藏串数据负数据化处理生成负数据库，包括：
4.根据权利要求3所述的跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述初始化基于属性权重负数据生成算法的初始参数，包括：
5.根据权利要求4所述的跨项目软件缺陷预测数据隐私保护方法，其特征在于...
【技术特征摘要】
1.一种跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述方法包括：
2.根据权利要求1所述的跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述对所述预测数据预处理得到隐藏串数据，包括：
3.根据权利要求1所述的跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述根据基于属性权重负数据生成算法对所述隐藏串数据负数据化处理生成负数据库，包括：
4.根据权利要求3所述的跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述初始化基于属性权重负数据生成算法的初始参数，包括：
5.根据权利要求4所述的跨项目软件缺陷预测数据隐私保护方法，其特征在于，所述确定位数量包括相反位数量和相同位数量，所述根据所述第一概率参数生成隐藏串数据的记录类型，包括：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：赵冬冬，刘志晖，余啸，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。