检索结果-南通市图书馆

同方期刊数据库

MMCUP:融合多模态信息的代码注释自动更新方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年第1期47卷 172-189页

作者：刘诗凡崔展齐陈翔李莉北京信息科技大学计算机学院北京100101 南通大学信息科学技术学院江苏南通226019

良好的代码注释对于程序维护有着重要价值.但在实际开发过程中,开发人员经常会在更改代码后忽略更新相应的代码注释,导致更新后的代码和注释不一致,对软件可维护性造成影响.现有注释更新方法在进行注释更新时,通常仅将代码视为普通文本... 详细信息

良好的代码注释对于程序维护有着重要价值.但在实际开发过程中,开发人员经常会在更改代码后忽略更新相应的代码注释,导致更新后的代码和注释不一致,对软件可维护性造成影响.现有注释更新方法在进行注释更新时,通常仅将代码视为普通文本进行处理,忽视了代码结构信息.为此,本文提出了一种融合多模态信息的代码注释更新方法MMCUP(Multi-Modal Comment UPdating).MMCUP使用了旧代码注释、代码编辑序列和AST差异序列三种模态的信息来训练基于Transformer架构的模型,以对注释进行更新.实验结果表明,,MMCUP在Accuracy、Recall@5等指标上相较于CUP和HatCUP等方法至少提高了5.8%和4.4%.

关键词：代码注释更新程序理解代码-注释共同演化深度学习序列到序列模型

在线全文

学校读者我要写书评

暂无评论

智能合约安全漏洞检测研究进展

软件学报 2024年第5期35卷 2235-2267页

作者：崔展齐杨慧文陈翔王林章北京信息科技大学计算机学院北京100101 南通大学信息科学技术学院江苏南通226019 计算机软件新技术全国重点实验室(南京大学) 江苏南京210023

智能合约是运行在区块链合约层的计算机程序,能够管理区块链上的加密数字货币和数据,实现多样化的业务逻辑,扩展了区块链的应用.由于智能合约中通常涉及大量资产,吸引了大量攻击者试图利用其中的安全漏洞获得经济利益.近年来,随着多起... 详细信息

智能合约是运行在区块链合约层的计算机程序,能够管理区块链上的加密数字货币和数据,实现多样化的业务逻辑,扩展了区块链的应用.由于智能合约中通常涉及大量资产,吸引了大量攻击者试图利用其中的安全漏洞获得经济利益.近年来,随着多起智能合约安全事件的发生(例如TheDAO、Parity安全事件等),针对智能合约的安全漏洞检测技术成为国内外研究热点.提出智能合约安全漏洞检测的研究框架,分别从漏洞发现与识别、漏洞分析与检测、数据集与评价指标这3个方面分析现有检测方法研究进展.首先,梳理安全漏洞信息收集的基本流程,将已知漏洞根据基础特征归纳为13种漏洞类型并提出智能合约安全漏洞分类框架;然后,按照符号执行、模糊测试、机器学习、形式化验证和静态分析5类检测技术对现有研究进行分析,并讨论各类技术的优势及局限性;第三,整理常用的数据集和评价指标;最后,对智能合约安全漏洞检测的未来研究方向提出展望.

关键词：区块链智能合约安全漏洞漏洞检测

IADT:基于解释分析的深度神经网络差分测试

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年

作者：谢瑞麟崔展齐陈翔李莉北京信息科技大学计算机学院南通大学信息科学技术学院

随着深度神经网络(deep neural network, DNN)的迅猛发展,其在某些特定任务上的准确性已可媲美甚至超过人类.然而, DNN与传统软件一样不可避免地存在缺陷,若将带缺陷的DNN模型应用于安全攸关的领域甚至可能引发严重事故,如何有效检测缺... 详细信息

随着深度神经网络(deep neural network, DNN)的迅猛发展,其在某些特定任务上的准确性已可媲美甚至超过人类.然而, DNN与传统软件一样不可避免地存在缺陷,若将带缺陷的DNN模型应用于安全攸关的领域甚至可能引发严重事故,如何有效检测缺陷DNN模型已成为亟需解决的问题.传统的差分测试方法将测试目标在同一测试输入下的输出结果作为差异分析的依据.然而,即使是相同训练程序和数据重复训练的不同DNN模型在同一测试输入下也常会产生不同的输出结果.因此,不能认为模型输出具有差异的两个模型中存在缺陷模型,基于测试对象输出结果的传统差分测试方法难以直接用于DNN模型的缺陷检测.为解决上述问题,提出基于解释分析的DNN模型差分测试方法 IADT (interpretation-analysis-based differential testing),利用解释方法分析DNN模型对于测试输入的行为解释,并使用统计方法分析模型对测试集行为解释的显著性差异来检测缺陷模型.使用真实缺陷模型进行实验的结果表明,解释方法的引入使IADT能有效检测缺陷DNN模型,检测缺陷模型的F1值比DeepCrime高0.8%–6.4%,而所消耗的时间仅为DeepCrime的4.0%–5.4%.

关键词：深度神经网络差分测试可解释性软件测试

IATG:基于解释分析的自动驾驶软件测试方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

软件学报 2024年第6期35卷 2753-2774页

作者：谢瑞麟崔展齐陈翔郑丽伟北京信息科技大学计算机学院北京100101 南通大学信息科学技术学院江苏南通226019

以深度神经网络(deep neural network,DNN)为基础构建的自动驾驶软件已成为最常见的自动驾驶软件解决方案.与传统软件一样,DNN也会产生不正确输出或意想不到的行为,基于DNN的自动驾驶软件已经导致多起严重事故,严重威胁生命和财产安全.... 详细信息

以深度神经网络(deep neural network,DNN)为基础构建的自动驾驶软件已成为最常见的自动驾驶软件解决方案.与传统软件一样,DNN也会产生不正确输出或意想不到的行为,基于DNN的自动驾驶软件已经导致多起严重事故,严重威胁生命和财产安全.如何有效测试基于DNN的自动驾驶软件已成为亟需解决的问题.由于DNN的行为难以预测和被人类理解,传统的软件测试方法难以适用.现有的自动驾驶软件测试方法通常对原始图片加入像素级的扰动或对图片整体进行修改来生成测试数据,所生成的测试数据通常与现实世界差异较大,所进行扰动的方式也难以被人类理解.为解决上述问题,提出测试数据生成方法IATG(interpretability-analysis-based test data generation),使用DNN的解释方法获取自动驾驶软件所做出决策的视觉解释,选择原始图像中对决策产生重要影响的物体,通过将其替换为语义相同的其他物体来生成测试数据,使生成的测试数据更加接近真实图像,其过程也更易于理解.转向角预测模型是自动驾驶软件决策模块重要组成部分,以此类模型为例进行实验,结果表明解释方法的引入有效增强IATG对转向角预测模型的误导能力.此外,在误导角度相同时IATG所生成测试数据比DeepTest更加接近真实图像;与semSensFuzz相比,IATG具有更高误导能力,且IATG中基于解释分析的重要物体选择技术可有效提高semSensFuzz的误导能力.

关键词：深度神经网络自动驾驶软件解释方法软件测试

在线全文

学校读者我要写书评

暂无评论

覆盖率制导的灰盒模糊测试研究综述

计算机学报 2024年第7期47卷 1665-1696页

作者：崔展齐张家铭郑丽伟陈翔北京信息科技大学计算机学院北京100101 北京科技大学计算机与通信工程学院北京100083 南通大学信息科学技术学院江苏南通226019

由于部署简单、可扩展性强、挖掘到大量真实漏洞等原因,模糊测试得到了科研和工程人员的广泛关注。其中,覆盖率制导的灰盒模糊测试(Coverage-guided Greybox Fuzzing,简称CGF)以被测程序代码覆盖率为反馈信息,可对软件进行较为充分的自... 详细信息

由于部署简单、可扩展性强、挖掘到大量真实漏洞等原因,模糊测试得到了科研和工程人员的广泛关注。其中,覆盖率制导的灰盒模糊测试(Coverage-guided Greybox Fuzzing,简称CGF)以被测程序代码覆盖率为反馈信息,可对软件进行较为充分的自动化测试,有效地保障软件质量,是目前最为流行的一类模糊测试技术.研究人员为改进CGF投人了大量精力,产生了许多研究成果.然而,目前并未有研究针对CGF的已有研究工作进行系统性综述.为此,本文分析了近年来CGF的相关重要研究成果,将CGF流程划分为4个阶段:预处理、测试用例选择、测试用例演化和测试用例评估,并系统地分阶段分析了已有研究进展.此外,针对现有工作中评估分析设置不一致的问题,本文整理了CGF领域中常用的测试对象、实验设置及评估指标。最后,基于对已有研究进展的分析,阐述了CGF目前在预处理、测试用例选择等阶段存在的局限性、可能的解决方案以及未来的研究方向。

关键词：模糊测试灰盒测试覆盖率测试用例

在线全文

学校读者我要写书评

暂无评论

基于冗余覆盖信息约简的软件缺陷定位方法

电子学报 2024年第1期52卷 324-337页

作者：王浩仁崔展齐岳雷陈翔郑丽伟北京信息科技大学计算机学院北京100101 南通大学计算机科学与技术学院江苏南通226019

软件规模和复杂程度的不断提高,为软件质量保障带来了严峻的挑战.软件缺陷定位是一种重要的软件质量保障技术,其中基于频谱的缺陷定位(Spectrum-based Fault Localization,SFL)是应用最为广泛的软件缺陷定位技术,其通过分析语句覆盖信... 详细信息

软件规模和复杂程度的不断提高,为软件质量保障带来了严峻的挑战.软件缺陷定位是一种重要的软件质量保障技术,其中基于频谱的缺陷定位(Spectrum-based Fault Localization,SFL)是应用最为广泛的软件缺陷定位技术,其通过分析语句覆盖信息矩阵计算代码语句的可疑度值,并根据可疑度值定位缺陷所在语句.然而,语句覆盖信息矩阵中存在着严重的数据冗余问题,冗余的数据极大地影响了SFL的缺陷定位性能.以Defects4J数据集中395个程序的语句覆盖信息矩阵为例,在超过一半的语句覆盖信息矩阵中有90%的语句存在与其具有相同覆盖信息的语句.特征选择是常用的数据预处理技术,通过去除冗余和不相关特征来获取原始特征集中有价值的特征子集.因此,我们将语句覆盖信息矩阵作为原始特征集,将冗余覆盖信息约简建模为特征选择问题,提出了一种基于冗余覆盖信息约简的软件缺陷定位方法(Fault Localization based on Redundant coverage information Reduction,FLRR).首先,使用特征选择技术对语句覆盖信息和测试用例执行结果组成的语句覆盖信息矩阵进行约简,得到语句覆盖信息矩阵子集;然后,使用SFL计算语句覆盖信息矩阵子集中语句的可疑度值,并根据可疑度值对语句进行降序排列,以定位缺陷语句.本文使用六种常用的特征选择技术对语句覆盖信息矩阵进行特征选择和约简,以得到语句覆盖信息矩阵子集,并使用四种典型的SFL技术对语句覆盖信息矩阵子集中的语句进行缺陷定位.为评估FLRR的缺陷定位性能,本文使用E_(inspect)@n和MRR(Mean Reciprocal Rank)评价指标在基于Defects4J的数据集上与四种典型的SFL技术进行了对比实验.实验结果表明,FLRR能够有效提升SFL的缺陷定位性能.对于E_(inspect)@n指标,当n=1时,FLRR相比DStar、Ochiai、Barinel和OP2分别多定位到23条、26条、14条和13条缺陷语句,分别增加了69.70%、76.47%、45.16%和38.24%;对于MRR指标,FLRR相比DStar、Ochiai、Barinel和OP2分别提升了20.08%、24.94%、17.45%和19.15%.

关键词：缺陷定位特征选择软件调试可疑度语句覆盖信息测试用例

在线全文

学校读者我要写书评

暂无评论

状态转换图制导的ARP错误检测方法

软件学报 2024年

作者：林高毅崔展齐陈翔郑丽伟南通大学信息科学技术学院北京信息科技大学计算机学院

Android应用开发人员需要在保持应用频繁更新的同时快速检测出应用中Android运行时权限(Android runtime permission, ARP)错误.现有的Android应用自动化测试工具通常未考虑ARP机制,无法有效测试Android应用内的权限相关行为.为帮助开... 详细信息

Android应用开发人员需要在保持应用频繁更新的同时快速检测出应用中Android运行时权限(Android runtime permission, ARP)错误.现有的Android应用自动化测试工具通常未考虑ARP机制,无法有效测试Android应用内的权限相关行为.为帮助开发人员快速检测出应用中ARP错误,提出状态转换图制导的Android应用运行时权限错误检测方法.首先,对被测应用APK文件进行权限误用分析,插桩APK文件中可能导致ARP错误的API,并对APK文件重新签名;然后,安装插桩后的APK文件,动态探索应用以生成其状态转换图(state transition graph, STG);最后,使用STG制导自动化测试,快速检测出应用中ARP错误.基于所提出方法实现原型工具RPBDroid,并与ARP错误动态检测工具SetDroid、PermDroid和传统自动化测试工具APE进行对比实验.实验结果表明, RPBDroid成功检测出17个应用中的15个ARP错误,比APE、SetDroid、PermDroid分别多14、12和14个.此外,相比于测试工具SetDroid、PermDroid和APE, RPBDroid检测ARP错误的平均用时分别减少86.42%、86.72%和86.70%.

关键词： Android应用 Android运行时权限错误权限误用自动化测试工具状态转换图

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于可解释性分析的深度神经网络优化方法

计算机研究与发展 2024年第1期61卷 209-220页

作者：吴欢欢谢瑞麟乔塬心陈翔崔展齐北京信息科技大学计算机学院北京100101 南通大学信息科学技术学院江苏南通226019

近年来,深度神经网络(deep neural network,DNN)在众多领域取得了广泛应用,甚至在安全关键系统中已经可以代替人类作出决策,如自动驾驶和智慧医疗等,这对DNN的可靠性提出了更高的要求.由于DNN具有复杂的多层非线性网络结构,难以理解其... 详细信息

近年来,深度神经网络(deep neural network,DNN)在众多领域取得了广泛应用,甚至在安全关键系统中已经可以代替人类作出决策,如自动驾驶和智慧医疗等,这对DNN的可靠性提出了更高的要求.由于DNN具有复杂的多层非线性网络结构,难以理解其内部预测机制,也很难对其进行调试.现有的DNN调试工作主要通过修改DNN的参数和扩增数据集提升DNN性能,以达到优化的目的.然而直接调整参数难以控制修改的幅度,甚至使模型失去对训练数据的拟合能力;而无指导地扩增训练数据则会大幅增加训练成本.针对此问题,提出了一种基于可解释性分析的DNN优化方法(optimizing DNN based on interpretability analysis,OptDIA).对DNN的训练过程及决策行为进行解释分析,根据解释分析结果,将原始数据中对DNN决策行为产生不同程度影响的部分以不同概率进行数据变换以生成新训练数据,并重训练DNN,以提升模型性能达到优化DNN的目的.在使用3个数据集训练的9个DNN模型上的实验结果表明,OptDIA可以将DNN的准确率提升0.39~2.15个百分点,F1-score提升0.11~2.03个百分点.

关键词：深度神经网络 DNN优化 DNN缺陷 DNN性能可解释性分析

SCG-Detector：基于图注意力网络的智能合约漏洞检测方法

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年

作者：顾锡国王志伟陈翔何启帆崔展齐北京信息科技大学计算机学院国家网信办数据与技术保障中心南通大学信息科学技术学院

随着智能合约被广泛使用，其处理的业务逻辑更加复杂，代码复杂度越来越高，引发了大量安全漏洞.为避免潜在安全漏洞造成的危害，研究人员提出了一系列智能合约漏洞检测方法 .但现有方法对合约特征表征不完整，未将合约的语义及结构特... 详细信息

随着智能合约被广泛使用，其处理的业务逻辑更加复杂，代码复杂度越来越高，引发了大量安全漏洞.为避免潜在安全漏洞造成的危害，研究人员提出了一系列智能合约漏洞检测方法 .但现有方法对合约特征表征不完整，未将合约的语义及结构特征进行统一表征，难以准确、全面地检测和识别智能合约中的潜在漏洞和安全风险.为此，本文提出了基于图注意力网络的智能合约漏洞检测方法 SCG-Detector(Smart Contract Graph Detector).首先，通过解析合约源代码构建抽象语法树（Abstract Syntax Tree,AST）以表征合约语法结构信息，并在AST上添加表示语义信息的数据依赖关系和控制依赖关系，以构建合约图（Smart Contract Graph,SCG）同时表征合约的语法结构及语义信息；然后，将SCG输入到图注意网络模型中进行训练，利用注意力机制学习合约中漏洞的特征；最后，利用训练好的图注意力网络模型检测合约中是否存在漏洞及所存在漏洞的类型. SCG-Detector在12616个智能合约上进行的实验结果表明，相比于sFuzz、Conkas、ConFuzzius、Mythril、Osiris、Slither、Oyente、MANDO-GURU等8种广泛使用的方法，SCG-Detector的Precision最高提升了26.46%,Recall最高提升了69.64%,F1最高提升了59.57%.

关键词：智能合约图注意力网络合约图抽象语法树数据依赖关系控制依赖关系