一种基于关联分析与N-Gram的错误参数检测方法

作者：李超; 刘辉^*

来源：软件学报, 2018, 29(08): 2243-2257.

DOI：10.13328/j.cnki.jos.005531

• 参数
• 异常检测
• 缺陷
• 语言模型
• 关联分析

为了检测软件系统中存在错误参数的函数调用,提出了一种基于关联分析和N-Gram语言模型的静态检测方法(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%).

• 单位
  北京理工大学