高教社课件软件数据分析技术与应用第8章 - 8.4.4 安全缺陷报告分析一基于主动学习的数据自动标注方法.pptxVIP

基于不确定性采样和交互式机器学习的高影响力缺陷报告检测方法

2引言研究动机训练一个好的HBR检测模型需要标记多少样本数据？是否有特定方法来选择高质量的缺陷报告进行标记以加快HBR检测模型的收敛速度？HBR:high-impactBugReport,例如安全性、性能、配置等对系统影响较大的缺陷报告类别总称

3图6-2hbrPredictor架构方法架构

412关键算法

5图6-3动态停止准则示意不确定性（Uncertainty-Sampling）采样算法（公式6-1）探索最接近全局最优值的局部最优点。关键算法

实验-研究问题6RQ1:与两个基准方法（即Farsec和Imbal）相比，sbrPredictor的预测有效性如何？RQ2:算法所设计的动态停止准则对sbrPredictor的性能影响如何？RQ3:与两个基准方法相比，sbrPredictor在SBR预测中的效率表现如何？

7RQ1结果与分析RQ1实验结果总结：平均而言，对于评估指标Precision、F1-score和AUC,sbrPredictor的SBR预测性能表现优于两个基准方法。特别地，对于评估指标F1-score，sbrPredictor在所有数据集都表现最优，且提高显著。（sbrPredictor与基准方法有效性对比）图6-4三种方法在六个数据集的性能结果Violin图展示

8RQ