面向二进制代码的细粒度软件多样化方法

现有软件多样化方法大多需要源代码,基于编译器生成变体二进制,而对二进制代码直接进行转换时由于缺乏调试信息导致难以正确逆向,且易造成高额的性能开销。为此,提出一种面向二进制代码的细粒度软件多样化方法。通过静态二进制重写技术以函数块为单位进行重排序,随机化函数在代码段中的原始位置,同时使程序的内存片段gadgets位置发生改变,使得攻击者对程序的先验知识失效,以防御大规模代码重用攻击。为了进一步提高攻击者破解难度,对基本块内的指令进行依赖性分析,实现基本块内指令随机化,同时使得随机化后基本块的原始语义不变。性能测试结果表明,函数重排序对gadgets存活率的影响大于基本块内指令重排序,两者同时使用时程序的gadgets平均存活率为5.71%;模糊哈希算法Tlsh比较结果显示,该方法能够有效躲避同源性检测;使用工具Bindiff进行测试的结果表明,多样化后基本块内指令重排序的异构度大于函数重排序,且在基准测试集SPEC CPU2006上函数重排序和指令重排序同时使用时平均运行开销仅为3.1%,具有良好的实用性。

软件中代码注释质量问题研究综述

代码注释作为辅助软件开发群体协作的关键机制,被开发者所广泛使用以提升开发效率.然而,由于代码注释并不直接影响软件运行,使其常被开发者忽视,导致出现代码注释质量问题,进而影响开发效率.代码注释中存在的质量问题会影响开发者理解相关代码,甚至可能产生误解从而引入代码缺陷,因此这一问题受到研究者的广泛关注.采用系统文献调研,对近年来国内外学者在代码注释质量问题上的研究工作进行系统的分析.从代码注释质量的评价维度、度量指标以及提升策略这3个方面总结研究现状,并提出当前研究所存在的不足、挑战及建议.

基于多特征融合的软件代码攻击识别方法

研究软件代码识别方法有利于软件的安全、稳定运行,提出多特征融合下软件代码攻击自适应识别方法。划分软件代码字节,将其映射到图像三色通道中,将软件代码转变为RGBA图,实现软件代码的可视化;将通道注意力机制设置在深度神经网络中,建立特征提取框架,提取并融合软件代码的特征,获得代码多尺度特征;结合AdaBoost算法与C4.5算法通过迭代训练建立强分类器,将代码多尺度特征输入强分类器中,实现软件代码攻击自适应识别。仿真结果表明,所提方法能够有效整合不同数据集的代码特征信息,代码可视化精度高、攻击识别精度高。

面向软件漏洞检测的改进代码属性图的图神经网络

针对当前深度学习软件漏洞检测方法在处理源代码过程中存在的检测粒度粗、语法或语义信息丢失等问题,提出一种基于改进代码属性图的图神经网络软件漏洞检测模型(Vulnerability Detection with Code Property Graphs,VDCPG)。为准确捕获源代码中的语法和语义信息,该模型使用Joern生成目标函数的代码属性图(Code Property Graphs,CPG)。通过在深度优先遍历的基础上动态去除控制流程图或控制依赖图边的CPG优化方法,实现在不降低漏洞检测效果的同时提高检测效率。在word2vec的CBOW(Continuous Bag Of Words)模式下对生成的CPG进行向量化处理,并采用带自注意力机制的图注意力网络(Graph Attention Networks,GAT)来实现软件漏洞的高效与准确检测。通过两个不同规模数据集的测试结果表明,VDCPG的漏洞检测效果相较于当前已有的软件漏洞检测工具、模型均有较大幅度的提升。

基于低代码平台的软件开发实践研究

低代码平台凭借其减少代码和编程工作、提高开发效率以及降低开发成本的优势,已经成为企业应对数字化转型的重要工具。该研究对当前知名的低代码平台进行了分析,揭示了其通过拖拽方式实现快速交付和产品迭代,以及灵活、可靠的软件系统开发与部署的优点,并基于低代码Oracle APEX平台,验证了实际案例。文章以期为寻找满足企业软件系统快速开发需求的新途径提供参考,进一步助力企业的数字化转型。

嵌入式软件的代码优化技术研究

本研究总结分析C语言在嵌入式开发中的优势,具体体现在高效性、可移植性和对硬件的直接操作能力等方面,接着介绍了嵌入式C语言开发环境、编程注意事项。然后,阐述了嵌入式软件代码优化策略,涉及算法优化、数据结构优化、循环优化、条件语句优化、内存管理优化及编译器优化等关键方面,研究的目的在于推动嵌入式软件性能和资源利用率提升。

Bagging异构集成的代码异味检测与重构优先级划分

代码异味是不良的设计和代码实现的症状,可能阻碍代码理解、增加代码更改和出错的可能性。以前的研究专注于单一模型在代码异味上的检测,并且无法为开发人员提供重构建议。针对上述问题,提出一种基于Bagging异构集成模型的代码异味检测与重构优先级划分方法,该方法利用分类器间的异质性,通过F1集成策略来检测Complex Class、Long Method、Spaghetti Code等三种代码异味,并将模型输出的异味概率转化为可能性分布后,为开发人员提供重构意见。实验在6个开源系统的32个版本上验证、评估:(1)基分类器的稳定性以及与代码异味的关系;(2)Bagging异构集成模型检测上述代码异味的性能;(3)将异味概率转化为可能性分布并作为重构优先级的有效性。实验结果表明,最佳基分类器因代码异味类型而异。同时,Bagging异构集成模型相较于基分类器,F1提高0.06~40.51个百分点,AUC提高0.45~28.37个百分点。最后将Bagging异构集成模型的重构优先级与6名受访者的重构优先级进行Kappa一致性检验,两者具有高度一致性。

基于预训练模型与BiLSTM-CNN的多标签代码坏味检测方法

为了提高多标签代码坏味检测的准确率,提出一种基于预训练模型与BiLSTM-CNN的多标签代码坏味检测方法DMSmell(deep multi-smell)。首先,利用静态分析工具获取源代码中的文本信息和结构度量信息,并采用2种检测规则对代码坏味实例进行标记;其次,利用CodeBERT预训练模型生成文本信息对应的词向量,并分别采用BiLSTM和CNN对词向量和结构度量信息进行深度特征提取;最后,结合注意力机制和多层感知机,完成多标签代码坏味的检测,并对DMSmell方法进行了性能评估。结果表明:DMSmell方法在一定程度上提高了多标签代码坏味检测的准确率,与基于分类器链的方法相比,精确匹配率提高了1.36个百分点,微查全率提高了2.45个百分点,微F1提高了1.1个百分点。这表明,将文本信息与结构度量信息相结合,并利用深度学习技术进行特征提取和分类,可以有效提高代码坏味检测的准确性,为多标签代码坏味检测的研究和应用提供重要的参考。

开源软件开发者和源代码协调性的网络建设分析

在开源软件开发中,一般以自愿参加和开放服务为基本原则,由此吸引了更多的软件开发者加入其中。但开源社区合作协调管理是一个相对棘手的问题。对此,本文探究了开源软件开发者和源代码协调性的网络建设,分析了元网络中的依存关系对软件成功的影响情况,并从中介性、等级性、边缘性和一致性等方面研究了相互依存中的协调性问题,为更好地协调软件开发中开发者和源代码之间的关系提供参考。

基于概念传播的软件项目代码注释生成方法

软件代码注释生成是软件工程领域近期研究的一个重要问题.目前很多研究工作已经在包含大量<代码片段,注释语句>对的开源数据集上取得了较好效果.但在企业应用中,待注释的代码往往是一个软件项目库,其必须首先决策在哪些代码行上生成注释更好,而且待注释的代码片段大小、粒度各不相同,需要研究提出一种注释决策和生成一体化的、抗噪音的代码注释生成方法.针对这个问题,提出一个面向软件项目的代码自动注释生成方法CoComment.所提方法能够自动抽取软件项目文档中的领域基本概念,并基于代码解析与文本匹配进行概念传播和扩展.在此基础上,通过定位概念相关的代码行/段进行自动注释决策,最终利用模板融合概念和上下文生成具有高可读性的自然语言代码注释.目前CoComment已经在3个企业软件项目、超过4.6万条人工代码注释数据上进行了对比试验.结果表明,所提方法不仅能够有效地进行代码注释决策,其注释内容与现有方法相比也能够提供更多有益于理解代码的信息,从而为软件项目代码的注释决策和注释生成问题提供了一种一体化的解决方案.

基于学习的源代码漏洞检测研究与进展

源代码漏洞自动检测是源代码漏洞修复的前提和基础,对于保障软件安全具有重要意义.传统的方法通常是基于安全专家人工制定的规则检测漏洞,但是人工制定规则的难度较大,且可检测的漏洞类型依赖于安全专家预定义的规则.近年来,人工智能技术的快速发展为实现基于学习的源代码漏洞自动检测提供了机遇.基于学习的漏洞检测方法是指使用基于机器学习或深度学习技术来进行漏洞检测的方法,其中基于深度学习的漏洞检测方法由于能够自动提取代码中漏洞相关的语法和语义特征,避免特征工程,在漏洞检测领域表现出了巨大的潜力,并成为近年来的研究热点.本文主要回顾和总结了现有的基于学习的源代码漏洞检测技术,对其研究和进展进行了系统的分析和综述,重点对漏洞数据挖掘与数据集构建、面向漏洞检测任务的程序表示方法、基于机器学习和深度学习的源代码漏洞检测方法、源代码漏洞检测的可解释方法、细粒度的源代码漏洞检测方法等五个方面的研究工作进行了系统的分析和总结.在此基础上,给出了一种结合层次化语义感知、多粒度漏洞分类和辅助漏洞理解的漏洞检测参考框架.最后对基于学习的源代码漏洞检测技术的未来研究方向进行了展望.

低代码开源平台在软件工程实践教学中的应用

针对当前软件工程实践教学中出现的问题,提出在经典瀑布式模型实践方案的基础上,结合低代码开发平台和敏捷开发模型设计软件工程实践的教学方案,并通过介绍连续的教学实践过程,证明方案能够对项目小组成员进行更合理的成绩评定,可以有效地提高学生的编程能力,达到更高的教学目标。

工业边缘计算软件低代码设计方法

一方面,边缘计算所带来的性能提升给工业现场设备提供了巨大的潜力;另一方面,工业现场应用软件的复杂程度也在不断提升,对自动化工程师提出了巨大的挑战。因此,低代码开发已经受到工业界越来越多的关注与研发的投入。本文介绍了适用于工业控制系统的低代码设计方法以及常用建模范式。低代码设计已经在工业多个场景中取得了良好的效益,在提升了代码质量的同时,也为工程开发节省了大量的成本。在边缘计算更加普及的未来,低代码设计方法将在工业各个行业中拥有更加广阔的应用前景。

软件标识符的自然语言规范性研究

软件源代码的理解是软件协同开发与维护的核心,而源代码中占半数以上的标识符的理解则在软件理解中起到重要作用,传统软件工程主要研究通过命名规范限制标识符的命名过程以构造更易理解和交流的标识符。该文在梳理分析常见编程语言命名规范的基础上,该文提出一种全新的标识符可理解性评价标准。具体而言,首先总结梳理了常见主流编程语言中的命名规范并类比自然语言语素概念,提出基于软件语素的标识符构成过程,即标识符的构成可被视为软件语素的生成、排列和连接过程;在此基础上,该文提出一种结合自然语料库的软件标识符规范性评价方法,用来衡量软件标识符是否易于理解;最后,通过源代码理解数据集和Github平台中开源项目对规范性指标进行了验证性实验,结果表明,该文所提出的规范性分数能够很好衡量软件项目的可理解性。

人工智能下复杂软件源代码缺陷精准校正

缺陷校正可以保证复杂软件源代码的稳定运行,为了提高源代码缺陷校正性能,提出基于人工智能的复杂软件源代码缺陷校正方法。利用语法分析器,建立源代码语言的文本分析树,通过定义源代码语言文本中间转换执行流的延续,分析复杂软件源代码语义。引入人工智能领域的计算机科学技术,计算复杂软件的后验概率,利用模糊矩阵计算源代码缺陷的贴近度,验证复杂软件源代码的程序标注。根据复杂软件源代码的缺陷密度,利用人工智能聚类算法预处理源代码缺陷特征,依据人工智能的数据依赖性分析理论,提取出源代码分区的依赖关系,结合代码转换,实现复杂软件源代码缺陷的校正。仿真结果表明,所研究方法可以提高复杂软件程序的运行效率,并将源代码缺陷校正准确率和召回率提高至90%以上。

基于多标签学习的代码评审意见质量评价

代码评审是现代软件开发过程中被广泛应用的最佳实践之一,其对于软件质量保证和工程能力提升都具有重要意义.代码评审意见是代码评审最主要和最重要的产出之一,其不仅是评审者对代码变更的质量感知,而且是作者修复代码缺陷和提升质量的重要参考.目前,全球各大软件组织都相继制定了代码评审指南,但仍缺少针对代码评审意见质量的有效的评价方式和方法.为了实现可解释的、自动化的评价,开展文献综述、案例分析等若干实证研究,并在此基础上提出一种基于多标签学习的代码评审意见质量评价方法.实验使用某大型软件企业的34个商业项目的共计17000条评审意见作为数据集.结果表明所提出的方法能够有效地评价代码评审意见质量属性和质量等级.除此以外,还提供若干建模经验,如评审意见标注和校验等,旨在帮助那些受代码评审困扰的软件组织更好地实施所提出的方法.

电力信息系统软件代码漏洞检测系统的设计与实现

电力信息系统软件代码的自身安全对整个电力信息系统的安全性、稳定性以及可靠性有着举足轻重的影响。为了提高电力信息系统软件代码的安全水平,设计并实现了一套代码漏洞静态检测系统。该系统以代码静态分析技术为基础,支持漏洞检测规则定制、漏洞检测算法与检测引擎扩展以及多线程技术,并通过Java语言编程实现。系统测试结果表明,该系统能够准确、有效地检测出测试程序中的安全漏洞,验证了系统的有效性。

一种融合注意力机制的形变LSTM智能代码补全方法

代码补全(code completion)通过提供类名和方法名等预测,辅助开发人员编写代码,是自动化软件开发的重要功能之一.近年来,智能代码补全已成为软件工程领域的热门研究方向之一,前人工作表明通过自然语言技术或神经网络学习代码,能够提高代码补全的准确率,但这些补全模型仍存在不足,如代码上下文的信息表示较弱、程序信息提取不全和代码补全任务不平衡.因此,本文提出一种全新的智能代码补全方法,其中引入形变的长短记忆网络(Mogrifier-LSTM)和注意力机制增强代码上下文的信息表示,同时利用双向LSTM学习程序的层次结构信息,并设计一种多任务框架自动实现代码补全任务之间的平衡.通过在真实数据集上进行实验,结果表明本文所提方法表现优于主流代码补全方法.

基于词汇的源代码克隆检测技术综述

代码克隆指在软件开发过程中对源代码复用、修改、重构产生的文本相似或结构相似的代码。代码克隆对提升软件开发效率、节约开发成本有积极作用,但也会引起Bug传播,并对软件的稳定性、可维护性产生负面影响。代码克隆检测在剽窃检测、漏洞检测、版权侵权等领域具有重要的研究意义和应用价值。基于词汇的克隆检测技术能快速检测1-3型克隆,能扩展到其他编程语言,已被广泛应用于大规模克隆检测任务中。文中对近5年基于词汇的克隆检测技术的研究现状进行了梳理,根据相似性算法中的基本计算粒度将其分为4类,并对10余个技术特征进行了分析和总结,讨论其局限性及面临的挑战,最后结合新技术的发展提出了基于词汇的克隆检测技术未来可能的研究方向。

基于VAPS的代码控件在机载显控软件的应用

本文通过对VAPS XT图形界面设计工具的介绍,重点分析了代码控件在机载显控软件的应用。VAPS XT作为辅助人机界面开发的图形界面设计工具,当应用现有基础控件无法满足显示软件的界面显示开发需求时,可通过基于代码控件的方式进行复杂逻辑控件的开发,通过代码控件的应用实现复杂图形显示需求,同时也有效提升开发效率。