深度学习策略下缓慢循环异味检测方法

作者：边奕心; 李禹齐; 张子恒; 赵松; 尹启天; 李文渊

来源：小型微型计算机系统, 2022, 1-9.

DOI：10.20009/j.cnki.21-1106/TP.2022-0411

• Android特有代码异味
• 缓慢循环
• 深度学习
• 机器学习

缓慢循环是一种Android特有代码异味，对Android应用程序的可维护性产生负面影响。针对传统基于静态程序分析方法误检率较高的问题，本文提出基于深度学习的检测方法。首先，使用代码文本信息作为模型输入的特征集。然后，使用两种深度学习模型进行异味检测。此外，为了快速、准确获得模型所需的大量样本数据，提出了一种基于开源Android项目构造正负样本的方法并实现工具ASSD。最后，使用开源Android数据集对提出的方法进行实验验证。实验结果表明，本文方法优于现有基于程序静态分析的检测方法，其中检测效果最好的是CNN模型，其F1值平均提高了28.7%。此外，本文方法优于基于机器学习的检测方法，相对于检测效果最好的随机森林模型，CNN模型的F1值平均提高了9.43%。

• 单位
  哈尔滨师范大学