摘要
本申请提供一种基于程序代码特征融合的软件代码缺陷检测方法与系统,包括:采用静态分析工具对代码进行语法和结构检查,提取控制流混乱、异常处理和资源泄漏相关的缺陷特征;通过动态分析工具运行预设的测试用例,捕获执行路径和运行时状态中的异常行为,获取静态分析未覆盖的缺陷特征;若决策树模型输出结果为存在缺陷,则采用基于密度的聚类算法对综合缺陷特征向量进行分组,确定缺陷的类型和分布范围,选择密度聚类算法是为了处理非球形分布的缺陷特征;根据聚类结果,生成缺陷修复建议,结合代码逻辑和执行路径信息,确定缺陷的具体位置和影响范围,本申请能有效识别和定位代码中的隐身缺陷,提高软件质量和可靠性,为开发人员提供及时准确的缺陷修复指导。
技术关键词
软件代码缺陷检测
执行路径信息
分析工具
密度聚类算法
决策树模型
权重模型
测试用例库
冗余特征
融合算法
非球形
设计特征
资源
覆盖率
逻辑
特征向量空间
特征选择算法
隐身
重构
系统为您推荐了相关专利信息
客户流失预测
时序预测模型
客户流失风险
异常信号
生成时序数据
反欺诈系统
特征工程
模块
构建机器学习模型
机器学习模型训练
攻击防御方法
分箱
冗余特征
连续特征
决策树模型
数字孪生模型
车间
搭建可视化平台
数据
纺织机器设备