程序错误检查方法及系统与流程
本发明涉及软件工程,特别涉及程序错误检查方法及系统。
背景技术:
1、当前系统级编程语言的自动化程序错误检查主要依赖传统静态分析工具、纯机器学习方案或符号执行工具,但上述方式均存在明显缺陷。传统静态分析工具(如clangstatic analyzer)缺乏对程序值流的精确追踪能力,难以处理跨函数指针和复杂堆内存操作,误报率高;纯机器学习方案(如deepbugs)未显式建模程序的数据流和控制流依赖关系,无法追踪跨函数路径,漏报率高;符号执行工具(如klee)则面临路径爆炸问题,分析中等规模代码时路径数量大,难以在工业级项目中部署。
技术实现思路
1、本发明所要解决的技术问题是:提供程序错误检查方法及系统,能够对源代码进行跨过程数据流追踪和未知错误模式的智能识别。
2、为了解决上述技术问题,本发明采用的技术方案为:
3、一种程序错误检查方法,其特征在于,包括:
4、获取待检查源代码,构建所述待检查源代码对应的静态值流图,所述静态值流图包含多个节点以及所述节点之间的边;
5、通过图神经网络模型对所述静态值流图中的各所述节点进行处理,输出各所述节点对应的第一置信度及错误类型,所述第一置信度用于表示各所述节点存在程序错误的概率;
6、对所述第一置信度小于预设阈值的目标节点,调用规则引擎进行验证,得到验证结果;
7、根据所述第一置信度和所述验证结果,确定所述待检查源代码中的错误检测结果。
8、为了解决上述技术问题,本发明采用的另一种技术方案为:
9、一种程序错误检查系统,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述的一种程序错误检查方法的各个步骤。
10、本发明的有益效果在于:通过构建待检查源代码的静态值流图,以图结构统一表征程序变量之间的依赖关系,使跨过程数据流追踪能够在统一的图模型上进行,避免了跨函数路径难以关联的问题;将静态值流图输入至图神经网络模型进行处理,利用图神经网络对图结构数据的特征提取能力,自动捕获节点之间的依赖关系,实现对未知错误模式的智能识别,无需人工定义错误规则;对第一置信度小于预设阈值的目标节点调用规则引擎进行验证,通过规则引擎的确定性验证逻辑对神经网络检测结果中第一置信度存疑的节点进行二次校验,解决了纯机器学习方案检测结果缺乏可解释性的问题;根据第一置信度和验证结果综合确定错误检测结果,实现了神经网络智能检测与传统规则确定性验证的协同判定,兼顾了未知错误模式的覆盖能力和已知错误类型的验证精度,有效降低了误报率和漏报率,提升了程序错误检查的准确性和可靠性。
1.一种程序错误检查方法,其特征在于,包括:
2.根据权利要求1所述的一种程序错误检查方法,其特征在于,所述构建所述待检查源代码对应的静态值流图,包括:
3.根据权利要求1所述的一种程序错误检查方法,其特征在于,所述构建所述待检查源代码对应的静态值流图,包括:
4.根据权利要求1所述的一种程序错误检查方法,其特征在于,所述构建所述待检查源代码对应的静态值流图之后,还包括:
5.根据权利要求1所述的一种程序错误检查方法,其特征在于,所述通过所述图神经网络模型对所述静态值流图中的各所述节点进行处理,输出各所述节点对应的第一置信度及错误类型,包括:
6.根据权利要求5所述的一种程序错误检查方法,其特征在于,所述通过所述图神经网络模型中的注意力层对所述第二中间特征进行注意力加权处理,得到第三中间特征包括:
7.根据权利要求1所述的一种程序错误检查方法,其特征在于,所述通过所述图神经网络模型对所述静态值流图中的各所述节点进行处理,输出各所述节点对应的第一置信度及错误类型,包括:
8.根据权利要求1所述的一种程序错误检查方法,其特征在于,所述对所述第一置信度小于预设阈值的目标节点,调用规则引擎进行验证,得到验证结果,包括:
9.根据权利要求1所述的一种程序错误检查方法,其特征在于,所述通过所述图神经网络模型对所述静态值流图中的各所述节点进行处理,输出各所述节点对应的第一置信度及错误类型之前,还包括:
10.一种程序错误检查系统,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9任一项所述的一种程序错误检查方法的各个步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com