CN119396689A 代码缺陷预测方法、可读存储介质、计算机程序产品 （中北大学）

本公开实施例公开了一种代码缺陷预测方2基于所述新版本代码和所述多个预测模型，获得若干个更新项目基于所述潜在代码缺陷类型、所述潜在代码缺陷描述和所述多个对所述历史缺陷数据和所述当前代码库数据进基于更新项目的类型在所述多个预测模型中选择基于所述新版本代码和所述目标模型，获得对应的更新项目按照所述势能调整所述目标模型对所述多个代码元素的将所述新版本代码、所述多个代码元素和所述势能输入到所述如果所述更新项目为多个，则将多个目标模型输出的基于共享的潜在代码缺陷类型和潜在代码缺陷描述，重新获取多采用随机梯度上升法迭代更新所述奖励函数中的权重向量，直到37.根据权利要求6所述的代码缺陷预测方法，设置目标函数，通过求解所述目标函数优化所述权重向量，所述目标ii0)为在给定代码状态si和权重向量w0下采取可能修复动作ai的概率，i设置随机梯度函数，采用所述随机梯度函数更新所述权重向量，)]_2λwt]；计算机指令用于使计算机执行权利要求1_7任一4[0013]按照项目类型对预处理后的历史缺陷数据进行划分，获得多组项目代码缺陷数56介质存储计算机指令，该计算机指令用于使计算机执行以上任一所述的代码缺陷预测方该计算机程序/指令被处理器执行时实现以上任一模型和智能体能够灵活集成到多种主流集成开发环境中，如VisualStudioCode或[0058]图3为本公开实施例提供的预测潜在代码缺陷类型和潜在代码缺陷描述方法的流[0059]图4为本公开实施例提供的预测潜在代码缺陷类型和潜在代码缺陷描述方法的另7方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或够针对不同项目类型进行定制化的缺陷预测，从而提高潜在代码缺陷类型和描述的准确8和智能体能够灵活集成到多种主流集成开发环境中，如VisualStudioCode或IntelliJ[0082]在S11中，从项目管理系统、版本控制系统和缺陷跟踪系统等中提取历史缺陷信9如VisualStudioCode或IntelliJIDEA，二者是开发者编写、调试和测试代码的主要工具，将预测模型集成到IDE中，可以使开发者在编写代码时立即获得预测模型的分析和反持续部署(CI/CD)管道中的代码版本控制钩子(hook)实时监控代码库(集成所有项目的源代码文件的库)的变化，或者使用Datadog和NewRelic等监控工具实时监控开发者的编码[0093]在S3中，参照图3展示的预测潜在代码缺陷类型和潜在代码缺陷描述方法的流程[0098]进一步地，参照图4展示的预测潜在代码缺陷类型和潜在代码缺陷描述方法的另[0106]python[0109]目标模型在分析新版本代码时，会根据不同代码元素的[0111]参照图5展示的大型软件智能体工作原理的示意图，采用一个大型软件对智能体[0112]当开发者提交了一段新代码,包含前端JavaScript和[0114]进一步地，对项目智能体进行逆强化学习(InverseReinforcementLearning，π[0135]在S46中，基于潜在代码缺陷类型和潜在代码缺陷描述获取当前代码状态的特征[0140]潜在代码缺陷类型为状态管理问题，潜在代码缺陷描述为`processed`标志和`_[0141]潜在代码缺陷类型为性能优化机会，潜在代码缺陷描述为`_process_[0143]潜在代码缺陷类型为类型安全性问题，潜在代码缺陷描述为`_proces[0150]潜在代码缺陷类型为SQL注入漏洞。潜在代码缺陷描述为该函数直接将用户输入[0152]query＝"SELECT*FROMusersW可能导致应用程序崩溃。最优修复建议为使用Python的with语句或者在finally块中确保的是由开发团队正在确认新生成的潜在代码缺陷类型和潜在代码缺陷描述的缺陷真实性，[0174]上述提供的代码缺陷预测方法中的各种变化方式和具体实例同样适用于本公开易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非[0176]该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力算机装置执行前述的本公开各实施例的代码缺陷预测方[0178]如图8为本公开实施例提供的一种计算机装置的结构示意图。其示出了适于用来以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中[0183]根据本公开实施例的计算机可读存储介质，其上存储有非暂时性计算机可读指[0190]可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的各种[0191]提供所公开的方面的以上描述以使本领域的任何技术