一种基于机器学习和静态分析的软件集成测评方法

本发明涉及软件工程与软件质量测评技术领域，公开了一种基于机器学习和静态分析的软件集成测评方法，包括以下步骤：S1：对软件源代码进行静态分析，生成候选缺陷列表；S2：基于所述候选缺陷列表，执行动态验证，采集运行时数据；S3：将所述静态分析结果与动态验证数据进行特征融合，形成缺陷评估特征向量；S4：将所述缺陷评估特征向量输入机器学习模型，评估缺陷的真实性与严重性；S5：输出缺陷检测报告。本发明中，通过结合静态分析和动态验证，能够进一步确认缺陷及其影响范围，有效降低了静态分析中的误报率，同时弥补了动态验证路径覆盖不足的缺陷，提高了缺陷检测的全面性与准确性。