主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
李超,刘辉.一种基于关联分析与N-Gram的错误参数检测方法.软件学报,2018,29(8):2243-2257
一种基于关联分析与N-Gram的错误参数检测方法
Association Analysis and N-Gram Based Detection of Incorrect Arguments
投稿时间:2017-07-18  修订日期:2017-09-28
DOI:10.13328/j.cnki.jos.005531
中文关键词:  参数  异常检测  缺陷  语言模型  关联分析
英文关键词:argument  anomaly detection  bug  language model  association analysis
基金项目:国家重点研发计划(2016YFB1000801);国家自然科学基金(61472034,61772071,61690205)
作者单位E-mail
李超 北京理工大学 计算机学院, 北京 100081  
刘辉 北京理工大学 计算机学院, 北京 100081 liuhui08@bit.edu.cn 
摘要点击次数: 607
全文下载次数: 490
中文摘要:
      为了检测软件系统中存在错误参数的函数调用,提出了一种基于关联分析和N-Gram语言模型的静态检测方法(ANiaD).基于海量开源代码,构建了关联分析模型以挖掘参数间存在的强关联规则.针对参数间存在强关联规则的函数调用构建N-Gram语言模型.基于训练过的N-Gram模型,计算给定函数调用语句正确的概率.低概率的函数调用被报告为异常函数调用.基于10个开源Java项目对该方法进行实验验证.实验结果表明,该方法检测的查准率约43.40%,显著高于现有的基于相似度的检测方法(查准率25%).
英文摘要:
      To detect the method calls with incorrect arguments in software systems, an association analysis and N-Gram based static anomaly detection approach (ANiaD) is proposed. Based on the massive open source code, an association analysis model is constructed to mine the strong association rules between arguments. An N-Gram model is constructed for method calls with strong association rules between arguments. Using the trained N-Gram model, the probability of a given method call statement is calculated. Low probability method calls are reported as potential bugs. The proposed approach is evaluated based on 10 open-source Java projects. The results show that the accuracy of the proposed approach is about 43.40%, significantly greater than that of similarity-based approach (25% accuracy).
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利