電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測

， ，

(1.國網(wǎng)河北省電力公司，石家莊 050021； 2.南京南瑞集團(tuán)公司，南京 210000)

0 引言

電壓頻率控制的實現(xiàn)常受線路阻抗的影響，難以達(dá)成有無功率的分配，且電壓幅值與頻率測量精度密切相關(guān)[1]，因此設(shè)計大量電壓頻率控制軟件對電壓頻率加以控制。隨著電壓頻率控制軟件大小呈指數(shù)增加，其關(guān)聯(lián)缺陷問題逐漸引起人們的重視[2]。在軟件開發(fā)中，對電壓頻控中抗強(qiáng)干擾軟件的關(guān)聯(lián)缺陷進(jìn)行檢測是一個不可忽略的環(huán)節(jié)，它關(guān)系到電壓頻控軟件能否穩(wěn)定運行[3]。當(dāng)前的軟件缺陷檢測技術(shù)能夠有效保障電壓頻控軟件的強(qiáng)抗干擾性，但在檢測過程中，因軟件太大導(dǎo)致檢測精度較低。因此，提出一種電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)，在保證強(qiáng)抗干擾性的同時，提高軟件關(guān)聯(lián)缺陷的監(jiān)測精度。

1 軟件關(guān)聯(lián)缺陷檢測原理

要研究一種電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)，需先對軟件關(guān)聯(lián)缺陷檢測原理進(jìn)行分析。給出電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測原理如圖1所示。

圖1 軟件關(guān)聯(lián)缺陷檢測原理圖

將電壓頻控中抗強(qiáng)干擾軟件的二進(jìn)制代碼輸入關(guān)聯(lián)缺陷檢測，根據(jù)電壓頻控中抗強(qiáng)干擾軟件的二進(jìn)制代碼匯編成對應(yīng)的程序[4]。在該程序的基礎(chǔ)上分析電壓頻控中抗強(qiáng)干擾軟件的控制流、數(shù)據(jù)流和函數(shù)調(diào)用關(guān)系。得到分析結(jié)果進(jìn)行電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷模型的構(gòu)建，產(chǎn)生電壓頻控中抗強(qiáng)干擾軟件的缺陷結(jié)果，并得到軟件的缺陷報告。

經(jīng)過以上分析，利用軟件關(guān)聯(lián)缺陷檢測原理能夠完成電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)的研究，使改進(jìn)的檢測技術(shù)具有一定的合理性和可行性。

2 關(guān)聯(lián)缺陷的分類

依據(jù)軟件關(guān)聯(lián)缺陷檢測原理，對電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)進(jìn)行設(shè)計。充分分析致使傳統(tǒng)檢測技術(shù)檢測精度低的原因，得出，傳統(tǒng)檢測技術(shù)未考慮關(guān)聯(lián)缺陷的類別問題，使龐大的軟件無法得到準(zhǔn)確檢測，因此，改進(jìn)的電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)，首先針對軟件的關(guān)聯(lián)缺陷進(jìn)行分類，以提高檢測精度。具體過程描述如下：

統(tǒng)計模式識別算法是用來選擇電壓頻控中抗強(qiáng)干擾軟件的原始數(shù)據(jù)并進(jìn)行軟件原始數(shù)據(jù)處理的樣本集，電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)采用判別函數(shù)對待測的軟件樣本進(jìn)行識別，根據(jù)軟件關(guān)聯(lián)缺陷類型的不同進(jìn)行識別分類。統(tǒng)計模式識別方法分為訓(xùn)練樣本和識別兩個階段[5]，電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)的軟件樣本識別框圖如圖2所示。

圖2 關(guān)聯(lián)缺陷檢測技術(shù)軟件樣本識別框圖

電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)的訓(xùn)練軟件樣本階段根據(jù)軟件的關(guān)聯(lián)缺陷特征完成關(guān)聯(lián)缺陷的劃分，使軟件關(guān)聯(lián)缺陷存在較好的區(qū)分線，并根據(jù)已知的關(guān)聯(lián)缺陷類型制定判別規(guī)則，確保樣本分析判別結(jié)果準(zhǔn)確；分類階段的主要目的是根據(jù)訓(xùn)練階段的判別規(guī)則和缺陷特征進(jìn)行比較，將軟件關(guān)聯(lián)缺陷歸類模式，并進(jìn)行關(guān)聯(lián)缺陷的分類。

本文采用貝葉斯分類器對提取的軟件關(guān)聯(lián)缺陷進(jìn)行分類[6]，貝葉斯分類器建立在三點假設(shè)之上。

1)已知軟件關(guān)聯(lián)缺陷概率的分配；

2)確定軟件關(guān)聯(lián)缺陷的類別；

3)得到的軟件關(guān)聯(lián)缺陷存在特征值和特征向量。

設(shè)x代表的是軟件關(guān)聯(lián)缺陷特征值，w代表屬于某缺陷的概率其中i=1,2,3。Lij表示誤差，代表屬于wi類的缺陷被分類器分類到wj。對關(guān)聯(lián)缺陷特征值x進(jìn)行判斷時，貝葉斯分類器將x分類到三種關(guān)聯(lián)缺陷中的一個，其出現(xiàn)誤差的計算公式為：

(1)

rj(x)被稱為條件平均風(fēng)險，為了確定關(guān)聯(lián)缺陷特征值x的種類，需要對關(guān)聯(lián)缺陷特征值x分到每種關(guān)聯(lián)缺陷的條件平均風(fēng)險進(jìn)行計算，計算公式為：

ri=min|r1(x),r2(x),r3(x)|

(2)

通過計算ri，確定軟件關(guān)聯(lián)缺陷的種類，提高電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)的檢測精度。

根據(jù)以上步驟，能夠?qū)崿F(xiàn)電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷的準(zhǔn)確分類，依據(jù)分類結(jié)果，將多種類別的關(guān)聯(lián)缺陷分組進(jìn)行檢測，不僅加快了軟件關(guān)聯(lián)缺陷的檢測速率，也是有效提高改進(jìn)檢測技術(shù)檢測精度的關(guān)鍵所在。關(guān)聯(lián)缺陷的分類過程為檢測技術(shù)的實現(xiàn)奠定了良好的基礎(chǔ)。

3 關(guān)聯(lián)缺陷檢測的實現(xiàn)

根據(jù)已經(jīng)分類好的關(guān)聯(lián)缺陷類型，采用反匯編的方式，對軟件的數(shù)據(jù)流和各功能函數(shù)調(diào)用過程進(jìn)行分析，改進(jìn)軟件的控制流，依據(jù)分析結(jié)果，并結(jié)合靜態(tài)分析方法，建立關(guān)聯(lián)缺陷檢測模型，實現(xiàn)電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷的檢測。具體實現(xiàn)過程描述如下：

1)反匯編：在電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)中反匯編的過程就是對匯編程序進(jìn)行逆向匯編[5]。反匯編的主要功能是編輯在軟件內(nèi)執(zhí)行的二進(jìn)制代碼的特征。為了標(biāo)識和分解出軟件數(shù)據(jù)代碼和平臺指令代碼，需要對反匯編生成的二進(jìn)制代碼進(jìn)行加工處理。最后將軟件關(guān)聯(lián)缺陷檢測技術(shù)的指令代碼反匯編成易于理解的文件。電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)的反匯編流程如圖3所示。

圖3 關(guān)聯(lián)缺陷檢測技術(shù)反匯編流程圖

2)數(shù)據(jù)流分析：電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)中二進(jìn)制代碼的數(shù)據(jù)流分析方法與軟件的類型無關(guān)，分析電壓頻控中抗強(qiáng)干擾軟件的數(shù)據(jù)流，可以減少軟件關(guān)聯(lián)缺陷分析的復(fù)雜度。對軟件局部進(jìn)行分析，得到的結(jié)果準(zhǔn)確性較高，將數(shù)據(jù)流劃分為若干個局部數(shù)據(jù)流，根據(jù)各組件分析得到的結(jié)果及軟件輸出和輸入的數(shù)據(jù)，得到完整的軟件數(shù)據(jù)流圖。進(jìn)行電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測時，使用數(shù)據(jù)流分析法需要軟件執(zhí)行流信息和數(shù)據(jù)流信息。數(shù)據(jù)流分析法的原理是跟蹤軟件序列、返回值和參數(shù)[7]，進(jìn)行分析，判斷軟件是否存在關(guān)聯(lián)缺陷。

3)函數(shù)調(diào)用：在對電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷進(jìn)行檢測的過程中，通過各功能函數(shù)完成檢測技術(shù)的相關(guān)指令。各功能函數(shù)調(diào)用的具體過程為在關(guān)聯(lián)缺陷檢測過程中遇到需要跳轉(zhuǎn)的地址，并進(jìn)行保存。將關(guān)聯(lián)缺陷檢測過程的PC轉(zhuǎn)入到對應(yīng)的函數(shù)接口中，執(zhí)行檢測指令，最后跳轉(zhuǎn)到保存之前的地址。在電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測過程中各功能函數(shù)的調(diào)用分為嵌套調(diào)用和一般調(diào)用，其中嵌套調(diào)用指的是一個功能函數(shù)中需要調(diào)用其他的功能函數(shù)。

本文采用反匯編技術(shù)進(jìn)行各功能函數(shù)間調(diào)用，關(guān)聯(lián)缺陷檢測過程以反匯編為基礎(chǔ)，而控制流中的跳轉(zhuǎn)指令和分值指令秉持過程調(diào)用關(guān)系，從而保障電壓頻控軟件的強(qiáng)抗干擾性能。

4)控制流改進(jìn)：控制流改進(jìn)是根據(jù)電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測程序的運行序列，在關(guān)聯(lián)缺陷檢測程序運行序列的基礎(chǔ)上對軟件的基本塊進(jìn)行劃分，劃分的內(nèi)容根據(jù)過程間的控制流和過程內(nèi)的控制流運行。過程間的控制流是對軟件基本塊之間的調(diào)用關(guān)系進(jìn)行控制[8]，過程內(nèi)控制流是對軟件基本塊內(nèi)指令關(guān)系進(jìn)行控制。控制流改進(jìn)的具體過程是將軟件關(guān)聯(lián)缺陷檢測程序中可執(zhí)行的軟件文件進(jìn)行反匯編得到匯編程序，程序控制流通過對軟件基本塊的劃分得到控制流圖，通過分析調(diào)用得到檢測過程的調(diào)用圖如圖4所示。

圖4 控制流控制過程調(diào)用圖

5)靜態(tài)分析關(guān)聯(lián)缺陷檢測模型：采用靜態(tài)分析工具對電壓頻控中抗強(qiáng)干擾軟件進(jìn)行缺陷檢測，檢測模型如下：

(1)初始化及變量定義關(guān)聯(lián)缺陷檢測模型。檢測電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷變量是否定義，判斷該變量是否引用初始化或未定義的變量，檢查是否存在未使用的賦值變量。建立軟件相關(guān)變量的交叉引用實現(xiàn)。

(2)軟件接口缺陷檢測模型。檢測平臺程序在調(diào)用時實參和形參的數(shù)量和類別是否一致，平臺輸出和輸入?yún)?shù)的定義是否匹配，軟件的變量和外部變量是否相等。

(3)溢出缺陷檢測模型。關(guān)聯(lián)缺陷檢測程序中的危險函數(shù)存在缺陷，對函數(shù)的邊界進(jìn)行檢測。

(4)邏輯缺陷檢測模型。進(jìn)行關(guān)聯(lián)缺陷檢測程序的邏輯檢查時，會出現(xiàn)不正確、不必要的結(jié)構(gòu)代碼。采用循環(huán)控制變量進(jìn)行賦值，或存儲軟件其他模塊的局部信息等。

在電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)中，靜態(tài)缺陷檢測可以準(zhǔn)確地發(fā)現(xiàn)軟件存在的關(guān)聯(lián)缺陷，提高檢測技術(shù)的檢測精度。

綜上所述，以軟件關(guān)聯(lián)缺陷檢測原理為理論依據(jù)，采用貝葉斯分類器對軟件中的關(guān)聯(lián)缺陷進(jìn)行分類，依據(jù)分類結(jié)果，充分分析軟件的數(shù)據(jù)流及其函數(shù)調(diào)用過程，改進(jìn)控制流，結(jié)合反匯編方式完善關(guān)聯(lián)缺陷檢測程序，從而實現(xiàn)電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷的檢測。

4 實驗結(jié)果與分析

本次實驗在MATLAB環(huán)境下完成，操作平臺的系統(tǒng)為32位的Windows7。為了驗證電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)的有效性，對檢測技術(shù)進(jìn)行測試，圖5(a)為實際的軟件關(guān)聯(lián)缺陷檢測結(jié)果，圖5(b)為基于Canny缺陷檢測技術(shù)的軟件關(guān)聯(lián)缺陷檢測結(jié)果，圖5(c)為改進(jìn)技術(shù)的軟件關(guān)聯(lián)缺陷檢測結(jié)果。

圖5 兩種不同技術(shù)的軟件關(guān)聯(lián)缺陷檢測對比結(jié)果

在圖5中，曲線代表的是軟件關(guān)聯(lián)缺陷檢測程序的運行蹤跡，圖中“禁止區(qū)域”表示的是缺陷模式所描述的安全屬性，當(dāng)一條檢測程序的運動蹤跡出現(xiàn)在“禁止區(qū)域”時，代表該軟件存在一個關(guān)聯(lián)缺陷，對比圖5(a)、圖5(b)與圖5(c)，發(fā)現(xiàn)基于Canny技術(shù)的關(guān)聯(lián)缺陷檢測技術(shù)的檢測結(jié)果與實際檢測結(jié)果相比出現(xiàn)了兩處誤報；改進(jìn)技術(shù)的軟件關(guān)聯(lián)缺陷檢測結(jié)果與實際結(jié)果一致，驗證了改進(jìn)技術(shù)對電壓頻控中抗強(qiáng)干擾軟件的關(guān)聯(lián)缺陷進(jìn)行檢測時，檢測結(jié)果較為精準(zhǔn)。

通過參數(shù)x對電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)進(jìn)行有效性測試，x代表的是關(guān)聯(lián)缺陷特征值，當(dāng)關(guān)聯(lián)缺陷特征值x越大時，關(guān)聯(lián)缺陷越容易被檢測出來，在相同的檢測時間內(nèi)，分別采用改進(jìn)技術(shù)和基于層次模型的軟件關(guān)聯(lián)缺陷檢測技術(shù)進(jìn)行監(jiān)測精度測試，測試結(jié)果如表1所示。

分析表1可知，改進(jìn)技術(shù)的缺陷特征值x平均為55，軟件關(guān)聯(lián)缺陷檢測的平均監(jiān)測精度為92%，基于層次模型的軟件關(guān)聯(lián)缺陷檢測技術(shù)中缺陷特征值x平均為30，軟件關(guān)聯(lián)缺陷檢測的平均監(jiān)測精度為72%。缺陷特征值x越大，缺陷越容易檢測出來，檢測精度越高，對比改進(jìn)技術(shù)和基于層次模型的檢測技術(shù)的實驗結(jié)果可得，改進(jìn)技術(shù)的軟件關(guān)聯(lián)缺陷檢測精度更高，驗證了改進(jìn)技術(shù)的可行性。

表1 兩種不同技術(shù)相同檢測時間內(nèi)檢測精度對比結(jié)果

為了驗證電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)在高精度檢測的同時，能夠保障其強(qiáng)抗干擾性，分別采用改進(jìn)技術(shù)和基于機(jī)器視覺的關(guān)聯(lián)缺陷檢測技術(shù)進(jìn)行抗干擾性能的測試，測試結(jié)果如圖6所示。

圖6 兩種不同技術(shù)的信號強(qiáng)度情況對比結(jié)果

圖6(a)為改進(jìn)技術(shù)正常情況下的信號強(qiáng)度，圖6(b)為加入干擾信號后改進(jìn)技術(shù)的信號強(qiáng)度，對比圖6(a)和圖6(b)可知，改進(jìn)技術(shù)的信號強(qiáng)度受到干擾信號的前后沒有出現(xiàn)大規(guī)模的波動，信號強(qiáng)度保持平穩(wěn)。圖6(c)為基于機(jī)器視覺的關(guān)聯(lián)缺陷檢測技術(shù)正常情況下的信號強(qiáng)度，圖6(d)為加入干擾信號后基于機(jī)器視覺的缺陷檢測技術(shù)的信號強(qiáng)度，對比圖6(c)和圖6(d)可知，基于機(jī)器視覺的缺陷檢測技術(shù)受到干擾信號前后的信號強(qiáng)度曲線出現(xiàn)了大規(guī)模的波動。對比兩種技術(shù)的實驗結(jié)果，可充分說明改進(jìn)技術(shù)在檢測過程中，依然保持其較強(qiáng)的抗干擾性能。

綜合以上實驗結(jié)果可得，改進(jìn)的電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)，在保障其強(qiáng)抗干擾性能的前提下，具有較高的檢測精度，驗證了該技術(shù)的可行性和有效性。

5 結(jié)論

對電壓頻控中抗強(qiáng)干擾軟件的關(guān)聯(lián)缺陷進(jìn)行檢測，可以避免因軟件關(guān)聯(lián)缺陷造成的軟件運行不穩(wěn)定等潛在隱患，當(dāng)前軟件關(guān)聯(lián)缺陷檢測技術(shù)的檢測結(jié)果存在檢測精度低的問題，提出電壓頻控中抗強(qiáng)干擾軟件關(guān)聯(lián)缺陷檢測技術(shù)。通過對關(guān)聯(lián)缺陷進(jìn)行準(zhǔn)確分類，改進(jìn)檢測程序完成關(guān)聯(lián)缺陷的精確檢測。實驗證明，該技術(shù)在保障強(qiáng)抗干擾性能的同時，具有較高的檢測精度。未來將在檢測速率方面進(jìn)行深入研究，為軟件缺陷檢測領(lǐng)域的發(fā)展提供有效借鑒依據(jù)。

參考文獻(xiàn)：

[1] 邊偉成. 基于AOP的軟件缺陷監(jiān)測框架的設(shè)計與實現(xiàn)[J]. 電子設(shè)計工程, 2017(16):27-31.

[2] 楊慶華, 王 玲, 荀 一,等. 基于機(jī)器視覺的袋泡茶包缺陷檢測方法[J]. 浙江工業(yè)大學(xué)學(xué)報, 2015, 43(2):163-167.

[3] 郭 靜, 韓躍平, 李會鴿. 產(chǎn)品表面缺陷檢測的變步長采樣機(jī)制研究[J]. 科技通報, 2017, 33(2):129-132.

[4] 劉學(xué)福, 何小敏, 許 亮,等. 基于顯著性模型和區(qū)域生長法的藥卷缺陷檢測[J]. 科學(xué)技術(shù)與工程, 2015, 15(4):125-130.

[5] 錢 海, 馬小軍, 包仁標(biāo),等. 基于三維激光掃描和BIM的構(gòu)件缺陷檢測技術(shù)[J]. 計算機(jī)測量與控制, 2016, 24(2):14-17.

[6] 何博俠, 張毅, 童楷杰,等. 航天密封圈的曲面成像理論及其缺陷檢測[J]. 光學(xué)精密工程, 2015, 23(11):3051-3060.

[7] 楊祖彬, 代小紅. 基于圖像配準(zhǔn)的食品包裝印刷缺陷檢測與實現(xiàn)[J]. 計算機(jī)科學(xué), 2015, 42(8):319-322.

[8] 劉 亮, 蔣 鑫, 師普辛,等. 發(fā)電機(jī)出口電壓互感器絕緣缺陷檢測方法[J]. 電網(wǎng)技術(shù), 2016, 40(12):3966-3972.