代码变更表示学习技术-赵智洋.pdf

BeijingForestStudio

ThenameoftheDepartment

北京理工大学信息系统及安全对抗实验中心

部门名称

代码变更表示学习技术

硕士研究生赵智洋

2023年10月07日

问题回溯

•总结反思

–语速过快

–部分内容（如漏讲片段）过渡生硬

–配图过于繁杂，不利于观众快速理解

–输入、输出没有量化

•相关内容

–2023.09.24张浩然：《软件漏洞注入技术》

–2023.05.14孔令迪：《源代码漏洞检测》

2

内容提要

•背景简介

•基本概念

•算法原理

•总结

3

背景简介

•预期收获

–了解代码变更表示学习技术的在软件工程领域中的地位和作用

–掌握代码变更表示学习技术的基本方法

–明确代码变更表示学习技术的应用领域和发展方向

4

背景简介

•代码变更（代码编辑）

–对软件源代码的增加、删除和修改

•代码变更表示

–自动分析和理解代码变更的基础

–影响众多软件工程任务的重要问题

•代码变更表示相关的下游任务

↑：代码提交日志生成任务示例

生成任务：代码提交日志生成、即时注释更新、代码编辑迁移、代码编

辑预测、冲突合并…

代码变更表示

分类任务：即时缺陷预测、安全漏洞严重性预测、安全漏洞补丁识别、

下游任务

即时代码-注释不一致检测、补丁正确性评估…

排序任务：即时缺陷定位、代码评审意见推荐、代码评审优先级排序…

5

背景简介

•代码变更表示学习技术发展

–传统：特征工程

•做法：通过人工设计的特征或特征提取规则将代码变更表示为特征向量

•局限

–依赖手工分析

–只能提取到显式的、浅层的特征

–如今：表示学习

•做法

–将代码变更的语义信息表示为低维稠密的实值向量

–即学习代码变更的分布式表示

•优势

–自动学习、端到端训练

–表示准确

6

背景简介

•代码变更表示学习应用的一般框架

–数据收集和预处理

•目的：过滤噪声数据或不符合要求的数据，提高数据质量

–数据输入表示

•目的：将经过预处理的代码变更数据转换为表示学习模型能够处理的表示形式

–表示形式：序列化输入表示、结构化输入表示