一种基于关联分析与N-Gram的错误参数检测方法

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％).

关键词：参数、异常检测、缺陷、语言模型、关联分析

所属期刊栏目：29

分类号：TP311(计算技术、计算机技术)

资助基金：国家重点研发计划2016YFB1000801;国家自然科学基金61472034,61772071,61690205

在线出版日期：2018-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：2243-2257