信息学院梁彬教授团队论文被国际顶级会议ISSTA 2022录用

但是，许多缺陷的逻辑通常只涉及到代码片段中的某几条语句，而其他语句则可以被视作是与缺陷无关的噪声。这些噪声可能会严重干扰相似性的度量。理论上，通过最优顶点匹配可以很好地解决该问题。但遗憾的是，顶点匹配任务却是NP完全的，难以被应用于大规模代码库。

在此文中，提出了一种 两阶段策略来加速最优代码图顶点匹配以检测缺陷。

在第一阶段，训练了一个面向顶点匹配的嵌入模型VME（Vertex-matching-oriented Embedding Model），并利用该模型从目标代码库中快速过滤有限数量的代码图作为候选，这些候选图可能与种子（即已知的含缺陷的代码片段）具有较高的顶点匹配度。可大大减少需要进一步分析的代码图数量。

对比实验表明，论文方法可以有效地缓解噪声问题，所实施的两阶段策略可以将检测效率提升数十倍。论文方法已应用于5个开源项目，共检测到30余个未知缺陷，并得到了开发者的确认。

作者简介

章晓慧，信息学院2019级硕士生，导师为梁彬教授。她的研究方向为软件安全性分析。

弓媛君，信息学院2018级直博生，导师为梁彬教授。她的研究方向为软件安全性分析。

（来源：中国人民大学信息学院）

想报考在职研究生？

可在微信后台留言——

“姓名+专业+联系方式”

获免费资料，专业报考建议。

我们郑重承诺：将对您提交的个人信息严格保密，敬请放心！返回搜狐，查看更多