基于抽象语法树的代码缺陷检测技术设计与实现 |
论文目录 |
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 选题背景及研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 传统软件缺陷预测 | 第14-18页 |
| 1.2.2 深度学习缺陷预测 | 第18-19页 |
| 1.3 论文主要内容 | 第19-20页 |
| 1.4 论文结构安排 | 第20-22页 |
| 第二章 软件缺陷预测相关技术研究 | 第22-32页 |
| 2.1 软件缺陷预测 | 第22-24页 |
| 2.1.1 软件缺陷预测定义 | 第22页 |
| 2.1.2 软件缺陷预测总体流程 | 第22-23页 |
| 2.1.3 软件缺陷预测数据集 | 第23-24页 |
| 2.1.4 软件缺陷预测模型评估方式 | 第24页 |
| 2.2 代码信息提取 | 第24-25页 |
| 2.3 语义表征技术 | 第25-31页 |
| 2.3.1 词嵌入 | 第25-26页 |
| 2.3.2 Transformer模型原理 | 第26-29页 |
| 2.3.3 GPT | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于抽象语法树的软件缺陷预测技术框架 | 第32-53页 |
| 3.1 整体架构 | 第32-34页 |
| 3.2 软件代码特征词抽取 | 第34-36页 |
| 3.3 基于GPT模型的软件代码特征词语义表征方法 | 第36-41页 |
| 3.4 基于GPT模型的软件缺陷预测方法 | 第41-42页 |
| 3.5 基于GPT模型的软件缺陷预测模型使用 | 第42页 |
| 3.6 软件缺陷预测技术实验评估 | 第42-52页 |
| 3.6.1 数据集 | 第43页 |
| 3.6.2 评估标准 | 第43-44页 |
| 3.6.3 评估基准 | 第44页 |
| 3.6.4 模型参数设置 | 第44-46页 |
| 3.6.5 项目内缺陷预测实验评估 | 第46-48页 |
| 3.6.6 跨项目软件缺陷预测实验评估 | 第48-51页 |
| 3.6.7 软件代码特征词有效性评估 | 第51-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第四章 基于抽象语法树的软件缺陷预测系统的设计与实现 | 第53-68页 |
| 4.1 需求分析 | 第53-54页 |
| 4.1.1 设计目标 | 第53页 |
| 4.1.2 功能需求分析 | 第53-54页 |
| 4.2 总体框架设计 | 第54页 |
| 4.3 特征提取模块设计与实现 | 第54-57页 |
| 4.4 语义预训练模型训练模块设计与实现 | 第57-58页 |
| 4.5 缺陷预测模型训练模块设计与实现 | 第58-60页 |
| 4.6 软件缺陷预测模块设计与实现 | 第60-61页 |
| 4.7 数据库设计与实现 | 第61-64页 |
| 4.7.1 用户信息表 | 第61页 |
| 4.7.2 语义预训练模型信息表 | 第61-62页 |
| 4.7.3 软件缺陷预测模型信息表 | 第62页 |
| 4.7.4 软件缺陷预测任务信息表 | 第62-63页 |
| 4.7.5 源码文件信息表 | 第63-64页 |
| 4.8 用户交互界面设计与实现 | 第64-67页 |
| 4.9 本章小结 | 第67-68页 |
| 第五章 基于抽象语法树的软件缺陷预测系统的实验与验证 | 第68-81页 |
| 5.1 测试环境 | 第68页 |
| 5.2 测试数据 | 第68-69页 |
| 5.3 测试流程 | 第69-78页 |
| 5.3.1 用户登录 | 第69-70页 |
| 5.3.2 软件缺陷预测模块 | 第70-75页 |
| 5.3.3 预训练模型管理模块 | 第75-76页 |
| 5.3.4 缺陷预测模型管理模块 | 第76-78页 |
| 5.4 测试结果及分析 | 第78-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 工作展望 | 第81-84页 |
| 6.1 工作总结 | 第81-82页 |
| 6.2 工作展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 攻读学位期间发表的学术论文目录 | 第90页 |
|
| |
