基于源文件可疑度的靜態(tài)軟件缺陷檢測(cè)方法研究

張明亮

(青海民族大學(xué)，青海 西寧 810007)

隨著靜態(tài)軟件的廣泛應(yīng)用，采用靜態(tài)軟件進(jìn)行嵌入式控制和信息處理加工，能夠提高信息化系統(tǒng)管理能力，但是在靜態(tài)軟件應(yīng)用過(guò)程中，容易受到軟件運(yùn)行環(huán)境因素的影響，運(yùn)行過(guò)程中暴露出諸多缺陷。為了進(jìn)一步明確這些缺陷，提升軟件的綜合性能，需要分析靜態(tài)軟件缺陷特征，實(shí)現(xiàn)靜態(tài)軟件缺陷檢測(cè)，提高靜態(tài)軟件的輸出可靠性，相關(guān)的靜態(tài)軟件缺陷檢測(cè)方法的研究受到人們的極大關(guān)注[1]。對(duì)靜態(tài)軟件的源文件可疑度缺陷檢測(cè)是建立在對(duì)軟件的特征分析基礎(chǔ)上[2]，因此本文提出基于源文件可疑度的靜態(tài)軟件缺陷檢測(cè)方法。采用模糊信息特征聚類分析方法進(jìn)行靜態(tài)軟件缺陷的特征分析，構(gòu)建軟件缺陷融合調(diào)度模型，得到靜態(tài)軟件源文件可疑度輸出特征量，采用源文件可疑度特征分析算法進(jìn)行靜態(tài)軟件缺陷檢測(cè)的自適應(yīng)尋優(yōu)。最后進(jìn)行仿真測(cè)試分析，得出有效性結(jié)論。

1 靜態(tài)軟件缺陷特征提取和缺陷融合調(diào)度

1.1 靜態(tài)軟件缺陷特征提取

假設(shè)軟件的缺陷特征分布采樣時(shí)間間隔為d，采用射頻RFID識(shí)別的方法[3]，建立靜態(tài)軟件缺陷源文件可疑度特征分析模型為：

(1)

其中，si(t)為靜態(tài)軟件缺陷源文件可疑度第i個(gè)輸出基礎(chǔ)單元信息，xm(t)為源文件可疑度特征分布集，采用高階統(tǒng)計(jì)特征分析方法，進(jìn)行源文件可疑度檢測(cè)，得到屬性分布集為：

(2)

上式中，θi(t)表示靜態(tài)軟件缺陷檢測(cè)的屬性特征，靜態(tài)軟件缺陷分布的擴(kuò)展寬度為Ts，在射頻傳感模式下，進(jìn)行靜態(tài)軟件缺陷信息挖掘，在第i個(gè)陣元中，靜態(tài)軟件缺陷分布的時(shí)域和頻域分量分別為：

(3)

(4)

其中，P為靜態(tài)軟件缺陷分布模型的擴(kuò)展寬度，I為靜態(tài)軟件源文件可疑度缺陷的屬性類別數(shù)量。

對(duì)采集的靜態(tài)軟件源文件可疑度特征進(jìn)行融合處理[4]，以融合處理時(shí)間間隔為Δt為尺度，得到靜態(tài)軟件源文件可疑度特征分布譜密度函數(shù)為：

(5)

對(duì)靜態(tài)軟件缺陷特征集進(jìn)行特征分離，|S|與M具有同態(tài)衰減性，一般取值為1，由此得到靜態(tài)軟件源文件可疑度辨識(shí)模型式為：

(1)當(dāng)α≠D.π時(shí)

(6)

(2)當(dāng)α=2D.π時(shí)

Xα(m)=x(m)

(7)

(3)當(dāng)α=(2D+1).π時(shí)

Xα(m)=x(-m)

(8)

式中：

(9)

上列各式中，D為靜態(tài)軟件源文件可疑度特征分布集維數(shù)?；谏鲜龇治?，建立靜態(tài)軟件缺陷大數(shù)據(jù)挖掘模型，根據(jù)大數(shù)據(jù)分布進(jìn)行靜態(tài)軟件缺陷檢測(cè)[5]。

1.2 缺陷融合調(diào)度

采用輸出軟件源文件完整性控制方法進(jìn)行靜態(tài)軟件缺陷調(diào)度，提取靜態(tài)軟件缺陷模糊度特征量[6]，靜態(tài)軟件源文件可疑度統(tǒng)計(jì)特征量為x(t)，時(shí)頻變換輸出為：

(10)

式中，p為靜態(tài)軟件源文件可疑度變換的階，為一實(shí)數(shù)，假設(shè)靜態(tài)軟件源文件的偏移量為α=pπ/2。Fα[·]表示為變換算子，Kp(t,u)是靜態(tài)軟件缺陷信息的核函數(shù)，對(duì)于靜態(tài)軟件缺陷分布統(tǒng)計(jì)特征量進(jìn)行擴(kuò)頻處理，描述為：

(11)

式中，n表示擴(kuò)頻系數(shù)。根據(jù)上述分析，采用靜態(tài)軟件源文件可疑度自適應(yīng)擴(kuò)頻技術(shù)，進(jìn)行靜態(tài)軟件缺陷分布統(tǒng)計(jì)分析[7]，建立靜態(tài)軟件缺陷分布統(tǒng)計(jì)模型為：

(12)

式中τ'為統(tǒng)計(jì)特征量的延遲變量。將實(shí)序列s(t)轉(zhuǎn)換為復(fù)信號(hào)模型w(t)，采用模塊化檢測(cè)方法[8]，得到靜態(tài)軟件源文件可疑度分布的階數(shù)為：

(13)

式中，“*”表示復(fù)共軛，采用模糊關(guān)聯(lián)規(guī)則調(diào)度，進(jìn)行靜態(tài)軟件缺陷特征調(diào)度輸出為：

z(t)=s(t)+jx(t)+w(t)

(14)

結(jié)合頻域變換的方法，構(gòu)建靜態(tài)軟件缺陷融合調(diào)度模型[9-10]，輸出為：

r(t)=a(t)ejφ(t)

(15)

其中：

(16)

2 靜態(tài)軟件缺陷檢測(cè)優(yōu)化

2.1 源文件可疑度檢測(cè)

(17)

上式中，〈x(n)〉表示靜態(tài)軟件缺陷分布統(tǒng)計(jì)特征量的離散頻域均值，即：

(18)

采用模糊控制方法，進(jìn)行軟件可靠性分塊分析，結(jié)果為：

(19)

建立靜態(tài)軟件缺陷抑制模型，得到：

(20)

式中，γ為靜態(tài)軟件缺陷分布統(tǒng)計(jì)特征量的聯(lián)合分布尺度特征量，輸出特征量的碼元序列，當(dāng)滿足M=N，那么靜態(tài)軟件缺陷尺度特征量為：

X=Fα·x

(21)

式中：

X=[Xα(0),Xα(1),…,Xα(N-1)]T

(22)

x=[xα(0),xα(1),…,xα(N-1)]T

(23)

為了提高靜態(tài)軟件缺陷分布統(tǒng)計(jì)特征量的頻域聚焦能力，結(jié)合頻譜特征分離方法進(jìn)行靜態(tài)軟件缺陷分布統(tǒng)計(jì)分析和信息融合，得到源文件可疑度檢測(cè)輸出為：

(24)

2.2 靜態(tài)軟件缺陷檢測(cè)的自適應(yīng)尋優(yōu)

采用源文件可疑度特征分析算法進(jìn)行靜態(tài)軟件缺陷檢測(cè)的自適應(yīng)尋優(yōu)，根據(jù)靜態(tài)軟件缺陷的規(guī)則性分布實(shí)現(xiàn)缺陷檢測(cè)，建立靜態(tài)軟件缺陷檢測(cè)的特征分布矩陣為：

(25)

其中：wiN為第i個(gè)點(diǎn)的靜態(tài)軟件缺陷檢測(cè)的全局加權(quán)值，構(gòu)建靜態(tài)軟件缺陷辨識(shí)模型，根據(jù)辨識(shí)結(jié)果進(jìn)行靜態(tài)軟件缺陷定位，靜態(tài)軟件缺陷定位的自適應(yīng)加權(quán)系數(shù)為：

(26)

其中，maxlFreqi,j表示靜態(tài)軟件缺陷的模糊度辨識(shí)特征量為：

(27)

式中，

wi,j=tfi,j×Idfi

(28)

采用源文件可疑度特征分析算法進(jìn)行靜態(tài)軟件缺陷檢測(cè)的自適應(yīng)尋優(yōu)，得到靜態(tài)軟件缺陷定位輸出計(jì)算式為：

(29)

其中，di和dj為靜態(tài)軟件缺陷的相似度屬性，采用層次化演化聚類方法進(jìn)行靜態(tài)軟件缺陷分析，根據(jù)靜態(tài)軟件缺陷的規(guī)則性分布實(shí)現(xiàn)缺陷檢測(cè)，輸出為：

P(K=T|R=1)

(30)

其中：

(31)

(32)

(33)

式中，NB為特征分布的維數(shù)，NS為模糊域S中的模糊度特征量。

3 仿真測(cè)試分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)進(jìn)行靜態(tài)軟件缺陷檢測(cè)中的應(yīng)用性能，進(jìn)行仿真測(cè)試分析，靜態(tài)軟件缺陷的源文件分布統(tǒng)計(jì)的節(jié)點(diǎn)數(shù)為1200，源文件的可疑度檢測(cè)的嵌入維數(shù)為m0=0.9，靜態(tài)軟件缺陷檢測(cè)頻率為fs=20KHz，缺陷屬性分布的階數(shù)為4，根據(jù)上述仿真參數(shù)設(shè)定，進(jìn)行靜態(tài)軟件缺陷檢測(cè)，得到靜態(tài)軟件的源文件缺陷分布的統(tǒng)計(jì)特征量如圖1所示。

圖1 靜態(tài)軟件的源文件缺陷分布的統(tǒng)計(jì)特征量

以圖1的靜態(tài)軟件的源文件缺陷分布的統(tǒng)計(jì)特征量為研究對(duì)象，進(jìn)行靜態(tài)軟件缺陷檢測(cè)，構(gòu)建靜態(tài)軟件缺陷融合性調(diào)度模型，得到靜態(tài)軟件源文件可疑度輸出特征量，如圖2所示。

圖2 靜態(tài)軟件源文件可疑度輸出特征量

分析圖2得知，本文方法能有效實(shí)現(xiàn)靜態(tài)軟件缺陷的規(guī)則性分布檢測(cè)，得到缺陷定位結(jié)果如圖3所示。

圖3 缺陷定位結(jié)果

分析圖3得知，本文方法能有效實(shí)現(xiàn)靜態(tài)軟件缺陷檢測(cè)，缺陷定位精度較高，測(cè)試缺陷檢測(cè)的準(zhǔn)確概率，得到結(jié)果見表1。

表1 檢測(cè)準(zhǔn)確性對(duì)比

分析表1得知，本文方法進(jìn)行靜態(tài)軟件缺陷檢測(cè)的準(zhǔn)確性較高。

結(jié)語(yǔ)

本文提出基于源文件可疑度的靜態(tài)軟件缺陷檢測(cè)方法。建立靜態(tài)軟件缺陷源文件可疑度特征分析模型，提取靜態(tài)軟件缺陷模糊度特征量，構(gòu)建靜態(tài)軟件缺陷融合性調(diào)度模型，得到靜態(tài)軟件源文件可疑度輸出特征量，提取靜態(tài)軟件缺陷的關(guān)聯(lián)特征值，采用源文件可疑度特征分析算法進(jìn)行靜態(tài)軟件缺陷檢測(cè)的自適應(yīng)尋優(yōu)，根據(jù)靜態(tài)軟件缺陷的規(guī)則性分布實(shí)現(xiàn)靜態(tài)軟件缺陷檢測(cè)優(yōu)化。分析得知，本文方法具有較高的靜態(tài)軟件缺陷檢測(cè)的準(zhǔn)確性，提高了靜態(tài)軟件缺陷自動(dòng)檢測(cè)能力，具有很高的應(yīng)用價(jià)值。