一种基于多任务多视角学习的多目标软件缺陷预测方法

摘要

本发明提出一种基于多任务多视角学习的多目标软件缺陷预测方法，能够基于目标软件已知缺陷情况的历史代码对未知缺陷情况的待测代码中的缺陷进行预测；解决传统软件缺陷预测方法仅能完成一项缺陷预测目标而对不同的缺陷预测目标采用不同预测方法时，使用复杂度与资源消耗较大的难题，并且能够有效地改善静态分析工具的误报与漏报情况。能够基于集成静态分析方法提取包含代码度量特征、缺陷空间结构特征与缺陷典型语义特征的多视角特征信息。通过所构建的多任务多视角神经网络模型，完成目标代码的缺陷倾向性、位置与类型预测，准确而高效地提供多个方面的缺陷预测信息，大幅度改善静态分析的漏报与误报情况，帮助开发者完成有效的缺陷挖掘。