[发明专利]一种基于抽象语法树的开源软件缺陷数据分类方法及系统

说明书

本发明公开了一种基于抽象语法树的开源软件缺陷数据分类方法及系统。该方法包括：获取软件缺陷源代码信息；软件缺陷源代码信息包括缺陷修复前的代码文件和缺陷修复后的代码文件；生成软件缺陷源代码信息的抽象语法树，并确定抽象语法树的修改行为信息；基于修改行为信息中的修改节点识别有意义节点；基于有意义节点和有意义节点的行为名称识别潜在节点和潜在行为名称；基于潜在节点和潜在行为名称生成缺陷类别信息，并对缺陷类别信息进行整合，得到缺陷分类结果；缺陷类别信息包括缺陷模块信息和缺陷修复方式信息。本发明能解决人工操作过程复杂、人力成本和时间成本高、受主观意见影响分类过程、缺陷分类数据来源有限的问题。

技术领域

本发明涉及软件缺陷预测及软件可靠性技术领域，特别是涉及一种基于抽象语法树的开源软件缺陷数据分类方法及系统。

背景技术

在21世纪，软件已经成为不可或缺的生产工具，不仅在科研、工程、金融等专业领域发挥举足轻重的作用，更是在人们的生活中无处不在，影响着千家万户。随着软件在社会生活中的地位日益提升，软件规模与日俱增，软件复杂度几何式提升，这导致了软件缺陷的产生越来越频繁，对不同领域的负面影响越来越大，软件缺陷问题日益成为学界研究的热点。在软件开发的各个阶段中，如何识别与修复软件缺陷，已经成为提高软件质量工作中重要的一环。

软件缺陷预测能够通过提前发现与锁定软件中的缺陷模块，从而能够在开发资源有限的情况下保证软件质量，减少缺陷的产生和影响，已成为软件工程中一个非常重要的研究课题。软件缺陷检测技术分为静态与动态两种。软件缺陷预测技术能够帮助提高软件开发过程中资源分配的效率，对缺陷倾向性较高的模块进行及时的优化和修复，从而提高软件开发的效率和质量。

美国国家航空航天局(NASA)较早地启动了软件缺陷预测技术的研究，并开展了软件度量程序(MetricDataProgram，MDP)项目。该项目提供了开源的软件缺陷预测数据集，为软件缺陷预测领域提供了重要的数据支撑。我国的国家自然科学基金委员会在2007年年底启动“可信软件基础研究”重大研究计划，将软件缺陷预测作为重要科学目标。然而，目前的公开数据集内的缺陷数据较少，且项目特征重复性很高，软件缺陷预测对大数据的要求日益强烈。

大数据的需求表明，目前各软件项目内的缺陷数据已经不足以支持缺陷预测的数据需求，在软件开源的趋势下，目光应投向开源软件项目中的缺陷数据。GitHub作为通过Git进行版本控制的软件源代码托管服务，成为了全球最大的开源软件托管平台。根据GitHubUniverse开发者大会上发布的2019年度报告，目前GitHub拥有超过4000万开发人员，其中包括2019年的1000万新用户，合并了超过8700万个请求，其中包含了大量的软件缺陷信息及其修复数据，使获取大数据的缺陷预测数据集成为可能。

此外，缺陷分类技术能够将缺陷数据集中的信息粒度细分化，能够帮助提高缺陷数据集的质量。软件缺陷静态预测方法基于缺陷预测数据集中的度量信息，通常对目标软件模块的缺陷倾向性、缺陷密度等进行预测，即将软件程序模块预测为有缺陷倾向性(defectproneness，简称FP模块)或无缺陷倾向性(nondefectproneness，简称NFP模块)或输出预测模块的缺陷密度或缺陷数。而缺陷分类对缺陷信息的进一步分析，丰富了缺陷数据中的度量信息。基于缺陷分类的缺陷分析方法以客观的数据统计为基础，能为缺陷研究和预测结果从二分类到多分类奠定数据基础。缺陷分类对缺陷数据进行了属性定义，通过缺陷属性反映有关软件产品开发过程的更多信息。另外，传统软件缺陷分析运用统计分析等手段推断缺陷被引入的原因，存在人工操作过程复杂、人力成本和时间成本高、受主观意见影响分类过程、缺陷分类数据来源有限等问题。

发明内容

基于此，有必要提供一种基于抽象语法树的开源软件缺陷数据分类方法及系统，以解决人工操作过程复杂、人力成本和时间成本高、受主观意见影响分类过程、缺陷分类数据来源有限的问题。

为实现上述目的，本发明提供了如下方案：

一种基于抽象语法树的开源软件缺陷数据分类方法，包括：