面向软件缺陷预测的网络嵌入特征研究

作     者：刘靖雯 晋武侠 屈宇 金洋旭 范铭 LIU Jingwen;JIN Wuxia;QU Yu;JIN Yangxu;FAN Ming

作者机构：西安交通大学陕西省智能网络与网络安全教育部重点实验室西安710049 西安交通大学软件学院西安710049 美国加州大学河滨分校计算机科学与工程系河滨美国加州925214 中国银行软件中心西安710038 

出 版 物：《信息安全学报》 (Journal of Cyber Security)

年 卷 期：2021年第6卷第3期

页      面：29-53页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划资助项目(No.2018YFB1004500) 国家自然科学基金(No.61632015,No.61772408,No.U1766215,No.61721002,No.61833015,No.62002280,No.61902306,No.61602369) 国网陕西省电力公司科技项目(No.5226SX1800FC) 教育部创新团队(No.IRT_17R86) 中国工程科技知识中心项目 中国博士后资助项目(No.2019TQ0251,No.2020M673439)的资助 

主　　题：缺陷预测 网络嵌入 软件关联网络 

摘      要：已有研究根据软件的代码依赖、修改历史、协同开发关系等,建立网络模型来预测软件的缺陷;近年来,网络嵌入技术广泛用于软件网络分析,显著提升了缺陷预测效果。本研究发现不同软件关联网络和网络嵌入算法的组合将影响缺陷预测性能。具体地,本文针对3种软件关联网络(类依赖网络、文件耦合网络和开发者贡献网络),并应用6类网络嵌入方法,分析不同网络嵌入方法所保持的软件结构特征及其对缺陷预测性能的影响。在12个开源Java系统上的实验结果显示:在类依赖网络和文件耦合网络,传统的度量特征上结合网络嵌入特征后,缺陷预测效果得到显著提升;DeepWalk、Grarep和Node2vec网络嵌入算法更擅长学习网络的同质性,缺陷预测效果更好;网络嵌入特征以及缺陷预测性能对嵌入算法的参数配置比较敏感。本研究结论有助于指导缺陷预测中软件关联网络和网络嵌入方法的选择。