基于视觉直觉的源代码表征-段学明.pdfVIP

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

基于视觉直觉的源代码表征

博士研究生段学明

2024年09月17日

问题回溯

•总结反思

–PPT单页内容丰富度不足，集中在知识基础的公式定义部分

–演讲的节奏稍有拖沓，重点不够突出

•相关内容

–2023.07.16张钊《代码变更表示学习及其应用研究》

–2023.05.14孔令迪《源代码漏洞检测》

–2023.03.26谢宁《软件漏洞检测及其严重性评估》

–2022.10.30孔令迪《函数级漏洞检测》

–2022.10.09张凌浩《语义级代码克隆检测》

–2020.07.19陈传涛《基于神经网络的源代码表示方法》

2

内容提要

•预期收获

•题目内涵解析

•研究背景与意义

•研究历史与现状

•知识基础

•算法原理

–WySiWiM

–CodeGrid

•特点总结与工作展望

•参考文献

3

预期收获

•预期收获

–了解源代码表征的基本概念和各类技术方法

–理解基于视觉直觉的源代码表征技术的设想和实现逻辑

–理解基于视觉直觉的表征方法的性能贡献原理及不足

4

内涵解析与研究目标基于视觉直觉的源代码表征

•研究目标

–将源代码表征为数值向量，用于克隆检测、漏洞检测、代码分类、代码搜索等下

游任务，探究基于视觉直觉的表征方法可行性，研究通用表征方法

•题目内涵解析

–代码表征：代码的中间表示方法，对下游任务不可知

–基于视觉直觉：基于开发人员视觉上快速评估代码的直觉，探究代码的空间性对

表征的作用，使用计算机视觉领域的成熟技术表征代码

5

研究背景基于视觉直觉的源代码表征

•研究背景

–代码的特殊性：具有高度的结构性和语义密度，不仅需要遵循严格的语法规则，

还必须确保逻辑上的正确性和可执行性

–下游任务的需要：对程序进行分析、推理能够对软件开发、维护、迁移起到重要

作用，高质量的代码表征可以极大提高各类下游任务的效率和准确性

–NLP领域的火热：研究开始关注将NLP技术应用于程序代码的理解和处理上，特

别是预训练模型如BERT、GPT等取得成功后，研究人员尝试使用它们捕获更深

层次的代码结构和语义信息

•研究意义

–为源代码表征领域提供新的解决思路和方法，探究未被利用的潜在信号

6

研究历史与现状源代码表征

Mou等人提出了一种基于树的卷Feng等人提出首个大型自然语言⁃编Cao等人首先依据程序代码的

积神经网络模型TBCNN，考虑到程语