基于源代碼語(yǔ)義分析結(jié)果的軟件建模分析和質(zhì)量評(píng)估

張亞旭

【摘 要】軟件建模是現(xiàn)代化的產(chǎn)物，是伴隨電腦的發(fā)明、軟件的應(yīng)用而生發(fā)的一種設(shè)計(jì)術(shù)語(yǔ)。隨著軟件工程理論研究的深入和軟件技術(shù)的不斷發(fā)展，軟件分析建模也日益完善。盡管不同的軟件分析建模平臺(tái)的建模工作存在差異，但大體可以把軟件分析建模分成三類，即業(yè)務(wù)建模、數(shù)據(jù)建模和應(yīng)用程序建模。本文軟件建模分析是基于源代碼語(yǔ)義分析結(jié)果。源代碼是相對(duì)目標(biāo)代碼和可執(zhí)行代碼而言的，是用匯編語(yǔ)言和高級(jí)語(yǔ)言寫出來(lái)的地代碼;目標(biāo)代碼是指源代碼經(jīng)過(guò)編譯程序產(chǎn)生的能被CPU直接識(shí)別二進(jìn)制代碼;可執(zhí)行代碼就是將目標(biāo)代碼連接后形成的可執(zhí)行文件，當(dāng)然也是二進(jìn)制的。

【關(guān)鍵詞】軟件工程;目標(biāo)代碼;執(zhí)行代碼;CPU

1 研究背景與意義

軟件產(chǎn)業(yè)作為拉動(dòng)信息時(shí)代發(fā)展的動(dòng)力引擎，是經(jīng)濟(jì)社會(huì)發(fā)展的基礎(chǔ)性、戰(zhàn)略性和先導(dǎo)性產(chǎn)業(yè)，在推動(dòng)信息化和產(chǎn)業(yè)化融合、促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和維護(hù)國(guó)家安全等方面發(fā)揮著重要作用。

語(yǔ)義分析是編譯過(guò)程的一個(gè)邏輯階段，語(yǔ)義分析的任務(wù)是對(duì)結(jié)構(gòu)上正確的源程序進(jìn)行上下文有關(guān)性質(zhì)的審查，即進(jìn)行類型審查。語(yǔ)義分析是審查源程序有無(wú)語(yǔ)義錯(cuò)誤，為代碼生成階段收集類型信息。軟件質(zhì)量評(píng)估技術(shù)是軟件工程中非常重要的研究領(lǐng)域，由于軟件本身的復(fù)雜性和軟件技術(shù)發(fā)展迅速等原因，軟件質(zhì)量評(píng)估技術(shù)在理論上和技術(shù)上都很不成熟。若能對(duì)軟件進(jìn)行質(zhì)量更科學(xué)、更客觀的評(píng)估，便可促使得到更加可靠、高效的軟件。

伴隨著軟件產(chǎn)業(yè)的高速發(fā)展，軟件倉(cāng)庫(kù)中源代碼的數(shù)量和復(fù)雜性也隨之迅速增長(zhǎng)，致使源代碼質(zhì)量面臨著重大挑戰(zhàn)，其中所隱藏的問(wèn)題也日益凸顯。在開(kāi)發(fā)過(guò)程中，雖然可以通過(guò)代碼檢測(cè)技術(shù)診斷出許多代碼問(wèn)題，但是隨著技術(shù)的進(jìn)步及對(duì)軟件質(zhì)量要求的提高，軟件質(zhì)量管理不僅要求要檢測(cè)出代碼問(wèn)題，而且要求綜合評(píng)估出軟件的綜合質(zhì)量。

近幾年，隨著主題模型在軟件工程領(lǐng)域的應(yīng)用的快速發(fā)展，以及軟件源代碼具有自然語(yǔ)言的部分特征的關(guān)鍵性質(zhì)，諸多學(xué)者開(kāi)始使用主題模型在代碼語(yǔ)義特征方面進(jìn)行大量開(kāi)創(chuàng)性工作，如源代碼中的語(yǔ)義定位和捕捉源代碼中潛在主題和類之間的關(guān)系等。通過(guò)主題模型技術(shù)計(jì)算得到度量元在質(zhì)量特征中的條件概率分布以及質(zhì)量特征在代碼源文件中的條件概率分布，并基于計(jì)算得到的條件概率分布建立代碼質(zhì)量評(píng)估模型，以克服現(xiàn)有質(zhì)量模型存在映射關(guān)系由專家知識(shí)得到的局限性，也即通過(guò)主題模型客觀地刻畫代碼質(zhì)量與度量元之間復(fù)雜的映射關(guān)系。

2 國(guó)內(nèi)外研究現(xiàn)狀

軟件的行為是指軟件運(yùn)行表現(xiàn)形態(tài)和狀態(tài)演變的過(guò)程，因此很多學(xué)者在軟件正常運(yùn)行時(shí)收集運(yùn)行過(guò)程信息建立行為模型，然后根據(jù)待測(cè)行為與模型的偏離程度檢測(cè)異常。

隨著可信計(jì)算的發(fā)展，軟件行為可信性模型被很多學(xué)者深入研究，軟件行為建模又迎來(lái)了新的發(fā)展。新的建模方法向著多元分析的方向發(fā)展，所采集的行為信息不再局限于系統(tǒng)調(diào)用、參數(shù)及上下文。諸如引入行為軌跡、檢查點(diǎn)場(chǎng)景、時(shí)間戳和主觀邏輯拓展等概念，綜合分析軟件行為。同時(shí)，基于行為語(yǔ)義的建模分析也成為當(dāng)前研究的熱點(diǎn)。付成功的從系統(tǒng)調(diào)用參數(shù)中解析出系統(tǒng)對(duì)象，賦予了狀態(tài)語(yǔ)義的含義。由于語(yǔ)義本身有其內(nèi)在的邏輯，且更貼近用戶的實(shí)際操作，可以發(fā)現(xiàn)較為隱蔽的應(yīng)用層攻擊，所以語(yǔ)義分析逐漸成為當(dāng)前軟件行為和網(wǎng)絡(luò)行為研究者關(guān)注的熱點(diǎn)。

3 主題建模在軟件源代碼中的應(yīng)用

建模方法根據(jù)建模時(shí)獲取行為信息方式的不同可以分為：

（1）動(dòng)態(tài)建模：利用動(dòng)態(tài)訓(xùn)練的方法來(lái)建立軟件行為模型。大量運(yùn)行軟件并記錄執(zhí)行情況下的行為信息，構(gòu)建軟件行為模型

（2）靜態(tài)建模：靜態(tài)模型直接對(duì)程序的源代碼或二進(jìn)制代碼進(jìn)行分析，提取出相關(guān)行為信息，建立相應(yīng)的行為模型，不需要運(yùn)行軟件。

（3）混合建模：混合模型是以靜態(tài)為主，動(dòng)態(tài)為輔的建模方式，首先通過(guò)靜態(tài)分析的方法建立行為模型，然后利用動(dòng)態(tài)分析方法對(duì)已建立的模型進(jìn)行輔助修正。

主題模型是一種可以從文本預(yù)料庫(kù)中自動(dòng)發(fā)現(xiàn)主題結(jié)構(gòu)的算法。主題模型最早是由自然語(yǔ)言處理和信息檢索領(lǐng)域提出，作為自動(dòng)檢索、查詢、聚類和結(jié)構(gòu)化大型非結(jié)構(gòu)化語(yǔ)料庫(kù)和非標(biāo)記文檔的一種手段。主題模型使得人們可以以相對(duì)于原來(lái)更低維的方式表示文檔，這樣做可以發(fā)現(xiàn)潛在語(yǔ)義關(guān)系，更快速的分析文本。在主題模型中有三個(gè)重要的概念，即文檔、主題和單詞，其中主題表現(xiàn)為一系列相關(guān)單詞的組合。在主題模型發(fā)展過(guò)程中，有三個(gè)最為經(jīng)典的模型，分別為潛在語(yǔ)義分析（Latent Semantic Analysis，LSA）模型、概率潛在語(yǔ)義分析（Probabilistic Latent Semantic Analysis，PLSA）模型和潛在狄利克雷分布（Latent Dirichlet Allocation，LDA）模型，它們?cè)谔岢鲋蟊粡V泛應(yīng)用。

潛在語(yǔ)義分析模型作為最早被提出的主題模型，其是在向量空間模型的基礎(chǔ)上發(fā)展而來(lái)，在一定程度上克服了向量空間模型未考慮文檔的深層次語(yǔ)義特征的缺點(diǎn)，較空間向量模型而言，潛在語(yǔ)義分析模型較好的處理了同義詞的情況。潛在語(yǔ)義分析模型的核心是利用了線性代數(shù)中的奇異值分解方法（Singular ValueDecomposition，SVD）將高維的文檔單詞矩陣（Ducument-Term矩陣）映射到低維向量空間中，即潛在語(yǔ)義空間。在映射過(guò)程中，語(yǔ)義相關(guān)的單詞就會(huì)被聚集在同個(gè)主題中，即表示同一個(gè)主題中的單詞與單詞之間存在潛在語(yǔ)義關(guān)系，之后便可以使用這些語(yǔ)義結(jié)構(gòu)來(lái)表示文檔。

4 軟件質(zhì)量評(píng)估

縱觀以往的軟件質(zhì)量模型，大部分模型的建模過(guò)程分為兩步：首先將軟件質(zhì)量進(jìn)行分解，分解可直接進(jìn)行度量的軟件度量元;其次利用根據(jù)專家知識(shí)得到的映射權(quán)重向上聚集計(jì)算得到軟件質(zhì)量。仔細(xì)分析建模步驟可發(fā)現(xiàn)，大多模型的映射關(guān)系刻畫存在較大主觀性，從而可能導(dǎo)致映射權(quán)重的不確定性和映射關(guān)系刻畫不完全等問(wèn)題。軟件質(zhì)量是指軟件產(chǎn)品滿足客戶或用戶的需求或預(yù)期的程度，更進(jìn)一步說(shuō)是軟件產(chǎn)品滿足人們需求所規(guī)定和隱含的各種特征或特性的總和。早在上個(gè)世紀(jì)70年代中后期，Boehm和 Mccabe分別提出的 Boehm模型和 McCall模型成為軟件質(zhì)量研究領(lǐng)域最早的質(zhì)量模型，同時(shí)也為之后的軟件質(zhì)量模型研究奠定了基礎(chǔ)。國(guó)內(nèi)關(guān)于軟件質(zhì)量的研究開(kāi)始相對(duì)較晚，且主要集中于軟件可信方面。軟件可信性是軟件質(zhì)量的一種特殊表現(xiàn)形式，它更關(guān)注的是使用層面的綜合化的質(zhì)量屬性及其保障。雖然國(guó)內(nèi)目前提出可信軟件評(píng)估模型也是使用“層次”法建立評(píng)估體系，并且能有效的應(yīng)用于實(shí)際項(xiàng)目，但對(duì)于克服評(píng)估體系中的映射關(guān)系的復(fù)雜性與不確定性卻鮮有人涉及。

參考文獻(xiàn)：

[1]申夢(mèng)圓.基于語(yǔ)義模式的源代碼跨過(guò)程分析研究與實(shí)現(xiàn)[D].西安電子科技大學(xué)，2018.

[2]顧逸圣，曾國(guó)蓀.基于語(yǔ)法和語(yǔ)義結(jié)合的源代碼精確搜索方法[J].計(jì)算機(jī)應(yīng)用，2017，37（10）：2958-2963.

[3]傅穎.基于主題建模的軟件可維護(hù)性評(píng)估模型研究[D].重慶大學(xué)，2016.

[4]方文淵.面向?qū)ο箢愒创a的編程邏輯建模與應(yīng)用[D].戰(zhàn)略支援部隊(duì)信息工程大學(xué)，2018.

[5]羅楊洋.源代碼結(jié)構(gòu)質(zhì)量評(píng)估子系統(tǒng)的研究與實(shí)現(xiàn)[D].重慶大學(xué)，2014.

[6]余海，李斌，王培霞，賈荻，王永吉.基于組合分類算法的源代碼注釋質(zhì)量評(píng)估方法[J].計(jì)算機(jī)應(yīng)用，2016，36（12）：3448-3453+3467.

（作者單位：博智安全科技股份有限公司）