原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《基于机器学习可解性预测的符号执行方法研究》
一、引言
随着计算机科学技术的快速发展，软件系统的复杂性日益增加，代码的可读性和可维护性成为软件工程领域亟待解决的问题。其中，符号执行是一种针对复杂程序的有效验证方法。然而，符号执行的效率一直受到计算资源及解空间大小的影响，使得在大型程序上的应用变得困难。近年来，机器学习技术的崛起为解决这一问题提供了新的思路。本文旨在研究基于机器学习可解性预测的符号执行方法，以提高符号执行的效率和准确性。
二、背景与相关研究
符号执行是一种程序验证技术，它通过生成程序中的可能路径并对其进行分析来验证程序的正确性。然而，随着程序规模的增大，符号执行的计算复杂度急剧增
文档评论（0）