【技术实现步骤摘要】
本公开属于软件缺陷预测领域，具体涉及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。
技术介绍
1、软件缺陷预测是软件质量控制的重要内容。随着计算能力的不断发展，形式化分析技术也在各类软件中得到广泛应用。与静态分析等传统分析方法相比，形式化分析通过将程序进行模型化或符号化抽象，可直接将软件同需求或规范进行比较，可提供更加全面可靠的分析结果，大大减少误报和漏报潜在软件缺陷的现象。但在实际软件项目中，形式化分析方法受制于分析规模有限、程序依赖复杂等问题，无法完全正确地反映程序地内部逻辑，因而误报和漏报现象依然存在。
2、为了解决此类问题，目前主要有两种解决方案。其一为使用深度学习技术，对单一形式化工具的分析报告进一步处理；另一方案为串行的形式化分析集成方法，先进行模型检测分析，后进行符号执行分析，这样可以避免模型检测方法循环展开次数有限的问题。此两种方案均可减少误报现象，但前者仅可分析单一形式化工具支持的软件缺陷类型，而后者可分析的软件缺陷类型仅限为两类方法的交集，两种方案可分析的软件缺陷种类均较为有限，因而无法检测出软件存...
【技术保护点】
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：
2.根据权利要求1所述的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，所述贝叶斯图神经网络模型训练包括如下步骤：收集待分析的软件各个历史版本的缺陷信息，作为后续缺陷预测模型训练时的标签。
3.根据权利要求1或2所述的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，所述贝叶斯图神经网络模型训练包括如下步骤：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。
4.根据权利要求1...
【技术特征摘要】
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：
2.根据权利要求1所述的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，所述贝叶斯图神经网络模型训练包括如下步骤：收集待分析的软件各个历史版本的缺陷信息，作为后续缺陷预测模型训练时的标签。
3.根据权利要求1或2所述的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，所述贝叶斯图神经网络模型训练包括如下步骤：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。
4.根据权利要求1所述的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，所述构建图拓扑特征的具体步骤如下：
5.根据权利要求1所述的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，所述构...
【专利技术属性】
技术研发人员：杨顺昆，侯展意，邵麒，杨明浩，段峙宇，佘志坤，
申请(专利权)人：北京航空航天大学，
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。