检索结果-南通市图书馆

网络安全与数据治理 2023年第3期42卷 58-67页

作者：熊敏薛吟兴徐云中国科学技术大学计算机科学与技术学院安徽合肥230026 安徽省高性能计算重点实验室安徽合肥230026

代码嵌入利用神经网络模型将二进制函数的代码表示转化为向量,在漏洞搜索等应用中展现了优势。现有的方法将函数表示为汇编指令序列、控制流图的拓扑结构或若干路径,都没有克服不同编译环境导致控制流图结构变化的干扰。为此,设计了基... 详细信息

代码嵌入利用神经网络模型将二进制函数的代码表示转化为向量,在漏洞搜索等应用中展现了优势。现有的方法将函数表示为汇编指令序列、控制流图的拓扑结构或若干路径,都没有克服不同编译环境导致控制流图结构变化的干扰。为此,设计了基于基本块树(Basic Block Tree, BBT)的代码表示以及构建了对应的代码嵌入模型BBTree。首先,二进制函数被表示为一系列BBT,每个BBT被处理为指令序列;其次,BBTree利用LSTM和Bi-GRU将基于BBT的代码表示转化为向量;最后,通过计算向量间的距离去高效衡量对应函数的相似性。在代码搜索中,BBTree的平均准确率比主流工具提升了24.8%;在漏洞搜索中,BBTree的平均召回率比主流工具提升了26.1%。

关键词：代码表示代码嵌入模型代码搜索漏洞搜索

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向业务需求的算法路径自组配模型

引用

计算机应用 2023年第6期43卷 1768-1778页

作者：刘耀童昕陈一风中国科学技术信息研究所信息技术支持中心北京100038 北京大学软件与微电子学院北京102600

算法平台作为自动机器学习的实现方式近年来受到广泛关注,然而这些平台的业务流程均需要人工搭建,且这些平台存在模型调用不灵活以及无法针对特定业务定制化的自动算法构建的问题。针对这些问题,提出了一种面向业务需求的算法路径自组... 详细信息

算法平台作为自动机器学习的实现方式近年来受到广泛关注,然而这些平台的业务流程均需要人工搭建,且这些平台存在模型调用不灵活以及无法针对特定业务定制化的自动算法构建的问题。针对这些问题,提出了一种面向业务需求的算法路径自组配模型。首先,基于图卷积网络(GCN)与word2vec表示对代码的序列特征与结构特征同时建模;然后,进一步通过聚类模型发现算法集合中的功能,并基于得到的功能子集为子集间算法组件的路径发现作准备;最后,基于先验知识训练得到关系发现模型与排序模型,挖掘候选代码组件的自组织路径,从而实现算法代码自组配。使用所提评价指标进行对比分析,所提模型的最好结果为0.8,而Okapi BM25+word2vec基线模型的最好结果为0.21。所提模型在一定程度上解决了传统代码表示方法中代码结构与语义信息缺失的问题,并为精细化算法流程自组织和算法管道自动构建的研究奠定了基础。

关键词：自然语言处理排序学习代码解析代码资源结构化代码表示

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多重卷积注意力机制开发者对话问答对提取

基于多重卷积注意力机制开发者对话问答对提取

引用

作者：朱昱颖海南大学

学位级别：硕士

在实际的软件项目开发过程中,针对不熟悉的代码开发领域,软件工程师会不断遇到问题并且需要帮助。大部分程序员会在互联网上查找相关的信息,如错误修复和代码语法。在拥有海量数据信息的时代,为了协助软件工程师高效地找到有用的信息,... 详细信息

在实际的软件项目开发过程中,针对不熟悉的代码开发领域,软件工程师会不断遇到问题并且需要帮助。大部分程序员会在互联网上查找相关的信息,如错误修复和代码语法。在拥有海量数据信息的时代,为了协助软件工程师高效地找到有用的信息,本文希望能够从开发者对话聊天记录中提取问答对,以帮助建立软件工程方向的人工智能虚拟助手。本文的研究目标是使用开发者在线聊天平台的对话内容作为数据资源,通过深度学习算法提取对话线程中的问答对,为下游任务(如软件工程领域的问答系统)提供数据来源和研究算法。挑战之一是如何从复杂的信息中提取和学习开发者对话的深层特征,以提高虚拟助理对话的多样性和连贯性。现有的问答对(Q&A)提取算法通常只关注文本,而忽略了代码片段,然而这些代码片段在开发人员的对话中包含了有用的上下文信息,这些信息对构建软件工程师虚拟助理至关重要。因此,提取的问答对可能是不准确的,甚至是错误的。针对这个问题,本文提出了一个深度学习模型MCADDL来提取开发者对话的分布式表示,进而提取包含文本和代码片段的问答对。在本文的模型中,通过以高维向量化的形式捕捉问答对上下文数据的特征,分别使用自然语言预训练模型和编程语言预训练模型对文本和代码片段进行词嵌入训练。再将文本和代码片段的高维向量输入模型MCADDL,该模型利用多重卷积注意力机制来学习文本和代码片段的高阶特征关系,以识别潜在的联合特征。通过这种方式,本文的MCADDL可以有效地从开发人员的对话中提取问答对。实验结果表明,本文的MCADDL算法优于基线解决方案,即拥有更高的精确度(74.38%)、召回率(60.25%)和F-measure(66.57%)。在本文的工作中,实现了将已有数据资源整合到实际的应用中,通过使用主流的开发框架对问答对提取系统进行开发与部署,为用户提供可视化、便捷的问答对提取服务。

关键词：深度学习问答对注意力机制代码表示

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于监控的可信软件构造技术研究与实现

基于监控的可信软件构造技术研究与实现

引用

作者：李仁杰国防科学技术大学

学位级别：硕士

随着计算机技术的飞速发展,软件已经渗透到国民经济和国防建设的各个领域并发挥着重要作用。然而,随着软件规模和复杂度的增加,软件失效和故障问题日益加剧,极大的增加了软件维护和使用的代价,甚至影响用户对软件的信心。如何在开发阶... 详细信息

随着计算机技术的飞速发展,软件已经渗透到国民经济和国防建设的各个领域并发挥着重要作用。然而,随着软件规模和复杂度的增加,软件失效和故障问题日益加剧,极大的增加了软件维护和使用的代价,甚至影响用户对软件的信心。如何在开发阶段提高软件可信性,确保软件的行为与预期相一致,已成为软件工程领域的热点问题,研究可信软件构造技术具有重要的理论意义与应用价值。可信软件的本质特征在于软件的行为与使用者的期望保持一致。对软件实施有效的监控以获得软件的运行状态,并通过将监控结果与预期行为进行比较,可以有效的掌握软件行为的可信程度,且有助于准确分析和定位软件故障。因此在软件中以适当的方式注入监控能力,将是提升软件可信性的一种重要途径。但是目前监控技术尚处于发展初期,在技术和实践方面还存在很多局限性,主要面临监控需求表达能力不强、缺乏有效的监控编程模型、支持监控的平台和工具通用性不够等亟待解决的问题。针对上述问题,本文在深入研究监控技术的基础上,提出了基于监控的可信软件构造模型TSCM,并以此为基础设计实现了基于监控的可信软件开发环境TSIDE。TSIDE能够借助源代码表示(SRCML)技术和面向方面编程(AOP)技术为软件注入监控能力,具有一定的通用性和可扩展性。本文主要研究工作包括以下几个方面: (一)分析了SRCML技术的基本原理,并且本文利用该技术辅助编程人员表达监控需求。深入研究了AOP技术的基本原理和若干关键技术,通过对AOP典型开发环境的分类和比较,本文选择AOP开发环境XWeaver作为实现监控能力注入的支撑技术。 (二)提出了基于监控的可信软件构造模型TSCM。该模型由两部分组成:源代码分析、监控需求表达、监控代码生成和监控代码织入模块组成第一部分,各个模块松散耦合;支撑工具为第二部分,主要为其它模块功能的实现提供工具和模板支持。TSCM能够通过监控能力注入机制为软件注入监控能力,并以此为基础通过软件运行监控机制提供软件运行的监控能力。 (三)基于TSCM模型,本文设计并实现了基于监控的可信软件开发环境TSIDE。TSIDE能够图形化展现软件源代码信息,帮助编程人员表达监控需求,生成AOP监控代码,并在编程人员无需手动修改软件源代码的情况下将其织入软件内部,为软件提供对进程、线程、函数和关键变量进行监控的能力。在上述工作成果的基础上,本文使用一个生产者消费者程序对TSIDE进行了验证,结果表明:TSIDE能够帮助编程人员输入监控需求,自动为该程序注入监控能力,并在程序运行时对程序状态进行有效监控,初步验证了本文工作的可行性和有效性。

关键词：可信软件构造监控面向方面编程代码表示 XWeaver

来源：

同方学位论文库评论