طبقه بندی خودکار هشدارهای تحلیل کد استاتیک: مطالعه موردی

عنوان طبقه بندی خودکار هشدارهای تحلیل کد استاتیک: مطالعه موردی
نویسنده یوکسل، اولاش، سوزر، حسن
تاریخ انتشار: 2013
محل انتشار - IEEE
موضوع طبقه بندی هشدار، مطالعه موردی صنعتی، تجزیه و تحلیل کد استاتیک
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 1063-6773
شماره ثبت 38548e7a-b4ed-433e-b0af-cc8779f5373b
محل کتابخانه علوم کامپیوتر
تاریخ 2013
یادداشت‌ها با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.
متن نمونه ابزارهای تجزیه و تحلیل کد استاتیک به طور خودکار هشدارهایی را برای خطاهای احتمالی نرم افزار ایجاد می کنند که می تواند منجر به خرابی شود. با این حال، توسعه دهندگان معمولا در معرض تعداد زیادی هشدار هستند. علاوه بر این، برخی از این هشدارها در معرض مثبت کاذب هستند و کمبود منابع برای بازرسی دستی همه هشدارها وجود دارد. برای رسیدگی به این مشکل، رویکردهای متعددی برای رتبه‌بندی یا طبقه‌بندی خودکار هشدارها بر اساس احتمال گزارش یک خطای بحرانی پیشنهاد شده‌اند. یکی از رویکردهای امیدوارکننده، استفاده از تکنیک‌های یادگیری ماشین برای طبقه‌بندی هشدارها بر اساس مجموعه‌ای از ویژگی‌های مصنوع است. در این کار، ما این رویکرد را در زمینه یک مطالعه موردی صنعتی برای طبقه‌بندی هشدارهای تولید شده برای یک نرم‌افزار تلویزیون دیجیتال ارزیابی می‌کنیم. ابتدا، با تجزیه و تحلیل دستی هزاران هشدار، یک معیار مبتنی بر این پایه کد ایجاد کردیم. سپس، ما 34 الگوریتم یادگیری ماشین را با استفاده از 10 ویژگی مصنوع مختلف ارزیابی کردیم و ویژگی هایی را شناسایی کردیم که تأثیر قابل توجهی دارند. ما نتایج امیدوارکننده‌ای را با توجه به دقت طبقه‌بندی به دست آوردیم.
DOI 10.1109/ICSM.2013.89
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

طبقه بندی خودکار هشدارهای تحلیل کد استاتیک: مطالعه موردی

نویسنده یوکسل، اولاش، سوزر، حسن
تاریخ انتشار 2013
محل انتشار - IEEE
موضوع طبقه بندی هشدار، مطالعه موردی صنعتی، تجزیه و تحلیل کد استاتیک
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 1063-6773
شماره ثبت 38548e7a-b4ed-433e-b0af-cc8779f5373b
محل کتابخانه علوم کامپیوتر
تاریخ 2013
یادداشت‌ها با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.
متن نمونه ابزارهای تجزیه و تحلیل کد استاتیک به طور خودکار هشدارهایی را برای خطاهای احتمالی نرم افزار ایجاد می کنند که می تواند منجر به خرابی شود. با این حال، توسعه دهندگان معمولا در معرض تعداد زیادی هشدار هستند. علاوه بر این، برخی از این هشدارها در معرض مثبت کاذب هستند و کمبود منابع برای بازرسی دستی همه هشدارها وجود دارد. برای رسیدگی به این مشکل، رویکردهای متعددی برای رتبه‌بندی یا طبقه‌بندی خودکار هشدارها بر اساس احتمال گزارش یک خطای بحرانی پیشنهاد شده‌اند. یکی از رویکردهای امیدوارکننده، استفاده از تکنیک‌های یادگیری ماشین برای طبقه‌بندی هشدارها بر اساس مجموعه‌ای از ویژگی‌های مصنوع است. در این کار، ما این رویکرد را در زمینه یک مطالعه موردی صنعتی برای طبقه‌بندی هشدارهای تولید شده برای یک نرم‌افزار تلویزیون دیجیتال ارزیابی می‌کنیم. ابتدا، با تجزیه و تحلیل دستی هزاران هشدار، یک معیار مبتنی بر این پایه کد ایجاد کردیم. سپس، ما 34 الگوریتم یادگیری ماشین را با استفاده از 10 ویژگی مصنوع مختلف ارزیابی کردیم و ویژگی هایی را شناسایی کردیم که تأثیر قابل توجهی دارند. ما نتایج امیدوارکننده‌ای را با توجه به دقت طبقه‌بندی به دست آوردیم.
DOI 10.1109/ICSM.2013.89
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید