一种基于关联分析与N-Gram的错误参数检测方法

扫码查看

原文链接

NETL

中文摘要：为了检测软件系统中存在错误参数的函数调用,本文提出了一种基于关联分析和N-Gram语言模型的静态异常检测方法(ANiaD).基于海量开源代码,构建了关联分析模型以挖掘函数调用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是否正确的概率.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％).

作者：

Chao Li、李超、Hui Liu、刘辉

展开 >

作者单位：

北京理工大学计算机学院,北京 100081

关键词：

软件系统错误参数检测方法关联分析 N-Gram语言模型

主办单位：

中国计算机学会

会议名称：

第十六届全国软件与应用学术会议

会议时间：

2017-11-03

会议地点：

哈尔滨

会议母体文献：

第十六届全国软件与应用学术会议论文集

页码：

1-14

出版时间：

2017