Automatically Generating Rules of Malicious Software Packages via Large Language Model
School of Cyberspace Security, Beijing Jiaotong University(网络安全学院,北京交通大学)
RuleLLM利用大语言模型自动为开源软件生态系统生成YARA和Semgrep规则,在1,633个恶意软件包数据集上实现85.2%精确率和91.8%召回率,优于现有工具,并提出了11类38子类的规则分类法。
2025-04-24 cs.AI cs.CR cs.SE
From MVPs to pivots: a hypothesis-driven journey of two software startups
软件创业已经成为一个有趣的多视角研究领域。受精益创业的启发,创业之旅可以被视为一系列实验,这些实验验证了创业团队明确或不明确地对他们的创业做出的一系列商业假设。关于创业公司如何通过商业假设检验发展的问题,我们知之甚少。这项研究提出了一种新的方法来看待创业公司的演变作为一个最小可行产品(MVP)的创造过程。我们通过人种学和事后分析在两个软件创业公司中确定了商业假设和MVP之间的关系。我们观察到,假设和MVP之间的关系是不完整的,在这两个创业公司的非线性。我们还发现,企业家确实从测试他们的假设中学习。然而,有一些假设没有经过MVP的检验,反之亦然,MVP与任何业务假设都不相关。我们提出的方法通过MVP可视化了跨枢轴的创业知识流。
2018-08-16 cs.SE
The Hitchhikers Guide to Production-ready Trustworthy Foundation Model powered Software (FMware)
Centre for Software Excellence, Huawei Canada(华为加拿大软件卓越中心);Queen’s University, Canada(加拿大女王大学);York University, Canada(加拿大约克大学)
本文以KDD 2025教程形式系统梳理FMware从模型选择、数据对齐、提示工程到测试部署的全链路挑战,并结合工业经验给出可信赖生产级系统的技术路线图。
2025-06-02 cs.AI cs.LG cs.SE
Classical to Quantum Software Migration Journey Begins: A Conceptual Readiness Model
近年来,随着量子计算机的发展,量子软件工程的研究领域逐渐兴起。量子软件在开发量子计算系统的全部潜力方面发挥着关键作用。因此,最近越来越多的人关注提供概念,原则和指导方针来解决量子软件开发的持续挑战。这个主题的重要性促使我们呼吁采取行动,开发一个就绪模型,帮助组织评估其从经典软件工程迁移到量子软件工程的能力。所提出的模型将基于现有的多域文献,工业经验研究,对过程领域的理解,可能影响量子软件工程过程的挑战性因素和使能因素。我们相信,所提出的模型将提供一个路线图,软件开发组织来衡量他们的准备工作,从经典的量子软件工程的建议最佳实践和突出重要的过程领域,挑战,和使能因素。
2022-09-12 cs.SE
A Platform for Teaching Applied Distributed Software Development: The Ongoing Journey of the Helsinki Software Factory
在学生团队地理分布的项目课程中教授分布式软件开发(DSD)有几个好处。一个主要的好处是,与传统的课堂课程相比,学生可以体验到分布的影响和自己处理分布的机制,从而了解它们与软件开发的相关性。因此,他们可以学会在开始在行业中开发软件时更多地关注分发挑战和风险。然而,为这种项目课程提供可持续的环境是困难的。需要一个可以连接到不同的分布式团队的开发环境,并且需要建立一个进行此类课程的持续例程。本文概述了软件工厂的情况,这是一个支持分布式学生项目教学的平台,目前已经运行了三年多。我们描述了进行软件工厂项目的基本步骤,并描绘了过去工厂项目的经验。此外,我们提供了一个简短的概述相关的方法和未来的活动。
2013-12-18 cs.SE
Investigating Security Implications of Automatically Generated Code on the Software Supply Chain
Xiaofan Li;Xing Gao
本研究调查LLM生成代码中的固有问题对软件供应链的威胁,设计SSCGuard工具分析四个LLM,并提出Chain-of-Confirmation和中间件防御机制以缓解风险。
2025-09-24 cs.AI cs.CR
Harnessing Code Agents for Automatic Software Verification
Singapore Management University, Barkhausen Institut(新加坡管理大学, 巴克豪森研究所)
研究利用大语言模型代码智能体进行自动软件验证,将引理交给智能体自由选择方法并置于验证框架,该方法简单有效,能完全覆盖目标引理,在多维度评估中表现出色,可自动为软件开发编写证明。
2026-07-08 cs.AI cs.FL cs.SE
Investigating the Online Recruitment and Selection Journey of Novice Software Engineers: Anti-patterns and Recommendations
本文针对初级软件工程师的在线招聘与选拔流程,通过6次在线焦点小组访谈18名招聘人员,识别出12种反模式与31条可操作建议,为早期职业候选人与组织提供指导,并促进人力资源与软件工程交叉领域的研究。
2024-06-04 cs.SE
Navigating the Path of Women in Software Engineering: From Academia to Industry
本文通过面向巴西女性的横断面混合方法调查,揭示其从大学到软件产业持续遭遇的性别偏见、骚扰与归属感缺失等系统性障碍,并提出组织改进建议。
2023-12-08 cs.SE
Automatic bioinformatic software named entity recognition from literature
本研究提出混合命名实体识别框架SNAIL,结合词汇与语义建模策略,在基准数据集及真实文献上识别生物信息学软件/数据库,性能优于现有方法,可用于大规模文献的资源元分析。
2026-08-21 cs.AI cs.CL cs.IR
Automatically detecting the conflicts between software requirements based on finer semantic analysis
Beihang University(北京航空航天大学)
背景:软件需求之间的冲突给产品开发带来了不确定性。已经提出了一些很好的方法来识别这些冲突。然而,它们通常需要用特定的模板表示的软件需求和/或依赖于其他外部资源,这在实践中通常很难为许多项目构建。目的:本文提出了一种基于语义分析的需求冲突检测器(FSARC),通过分析自然语言功能需求的语义成分,自动检测它们之间的冲突。方法:建立一个统一的八元组形式的功能需求语义元模型。然后,我们提出了算法来自动分析的语言特征的需求和注释的语义元素的语义模型的建设。根据文本模式和语义依赖性,定义了七种冲突类型及其启发式检测规则。最后,设计并实现了冲突检测算法。结果如下:在四个需求数据集上的实验表明,FSARC的冲突检测召回率接近100%,平均准确率为83.88%。结论:我们提供了一个有用的工具来检测自然语言功能需求之间的冲突,以提高最终的需求集的质量。此外,该方法能够将自然语言的功能需求转换为8个语义元组,不仅可以用于需求间冲突的检测,还可以用于需求间关联的构建等任务。
2021-03-03 cs.AI cs.SE
EPiT : A Software Testing Tool for Generation of Test Cases Automatically
软件测试用例可以定义为一组测试条件,测试人员需要在这些条件下测试并确定被测系统(SUT)是否正确地满足预期结果。讨论了利用EpiT(EclipsePlug-inTool)自动生成实例的优化技术。EpiT的开发是为了优化从源代码生成测试用例,以减少传统的手动创建测试用例所花费的时间。通过使用代码气味功能,EpiT可以通过检查Java程序的代码行(code-line)来自动生成测试用例。EpiT的实施也将根据几个案例研究,以显示所生成的测试用例的优化。实验结果表明,EpiT可以解决软件测试人员手工生成测试用例和使用代码气味技术从源代码检查优化的问题。
2020-07-22 cs.SE
Reliable Mining of Automatically Generated Test Cases from Software Requirements Specification (SRS)
编写需求是一个双向的过程。在本文中,我们使用分类功能需求(FR)和非功能需求(NFR)的声明,从软件需求规格说明(SRS)文件。这是系统地转化为考虑所有相关信息的状态图。目前的文件概述了如何测试用例可以自动生成这些状态图。状态的应用产生不同的测试用例作为规划问题的解决方案。测试用例可用于系统级的自动或手动软件测试。提出了一种利用挖掘方法对测试用例进行约简的方法,从而方便了测试用例的挖掘和知识提取。
2010-02-05 cs.SE
A Tool for Automatically Cataloguing and Selecting Pre-Trained Models and Datasets for Software Engineering
Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
MLAssetSelection是一种自动归档和选择软件工程预训练模型和数据集的网页工具,提供排行榜、需求匹配、实时更新和用户定制功能。
2026-01-19 cs.SE
Mind the Gap: On the Relationship Between Automatically Measured and Self-Reported Productivity
提高软件开发人员的生产率一直是软件工程研究的圣杯。但是,在我们宣称已经改进之前,我们必须首先能够衡量生产率。这绝非小事。事实上,关于软件工程师生产力的两条独立的研究路线几乎完全孤立地共存了很长一段时间:一方面是自动化产品和过程测量,另一方面是自我报告或感知的生产力。在这篇文章中,我们弥合了两者之间的差距与81软件开发人员在微软的实证研究。
2020-12-14 cs.SE
Measuring Software Testability via Automatically Generated Test Cases
本文提出一种利用自动测试生成和变异分析来量化开发有效测试用例相对难度的新方法,该方法可与传统软件度量协同结合,显著提升软件可测试性预测的准确性。
2023-07-30 cs.SE
Semi-Automatically Extracting FAQs to Improve Accessibility of Software Development Knowledge
Technische Universität Darmstadt(达姆施塔特工业大学);University of Lille(里尔大学);INRIA(法国国家信息与自动化研究所)
常见问题(FAQ)是记录软件开发知识的一种流行方式。由于创建这样的文档是昂贵的,本文提出了一种方法,自动提取FAQ的软件开发讨论的来源,如邮件列表和互联网论坛,通过结合文本挖掘和自然语言处理技术。我们将这种方法应用到流行的邮件列表中,并在软件开发人员中进行了一项调查,以表明它能够提取高质量的FAQ,这些FAQ可以由专家进一步改进。
2012-03-23 cs.CL cs.IR cs.SE
Repairnator patches programs automatically
修理工是个机器人。它不断监控在持续集成开源软件过程中发现的软件错误,并尝试自动修复这些错误。如果它成功地合成了一个有效的补丁,Repairnator会向人类开发人员推荐这个补丁,并伪装成一个假的人类身份。到目前为止,Repairnator已经能够生成被人类开发人员接受并永久合并到代码库中的补丁。这是软件工程中程序自动修复研究中人类竞争力的一个里程碑。
2022-05-04 cs.SE
Exploring Viable Algorithmic Options for Automatically Creating and Reconfiguring Component-based Software Systems: A Computational Complexity Approach (Full Version)
基于协同的开发(CBD)是一种降低创建软件系统成本的流行方法。然而,目前尚不清楚《生物多样性公约》核心组成部分的选择和调整活动在多大程度上可以有效和可靠地自动运作,也不清楚在何种情况下(如果有的话)《生物多样性公约》比其他软件开发办法更可取。在本文中,我们使用计算复杂性分析,以确定和比较的计算特性的全自动组件为基础的软件系统创建和重新配置的从头设计,组件选择,组件选择与适应。我们的研究结果表明,这些方法都可以实现有效和可靠地运行在一个完全自动的方式,无论是在一般或相对于一些限制软件系统,系统要求,组件和组件的适应。我们还给出了所有这些方法都可以实现有效和可靠操作的限制。因此,本文说明了如何不同类型的计算复杂性分析(特别是,参数化的复杂性分析)可以用来系统地探索算法的选择,实现自动活动在软件工程。
2022-05-10 cs.CC cs.SE
Automatically Generating Test Cases for Safety-Critical Software via Symbolic Execution
基于符号执行的自动测试生成有利于系统地测试安全关键软件,方便测试工程师追求认证标准规定的严格测试要求,同时控制测试过程的成本。同时,安全关键软件的开发通常受到禁止被认为降低程序安全性的语言特征的程序设计语言或编码约定的限制,例如,它们不允许动态内存分配和可变长度数组,限制了循环的使用方式,禁止递归,并限制了控制条件的复杂性。事实上,这些语言特征也是最先进的基于符号执行的测试生成方法的主要效率障碍。本文为一类重要的工业安全关键系统提供了新的证据,证明了符号执行生成测试用例的有效性。我们特别关注的SCADE,主要采用基于模型的开发语言的安全关键的嵌入式软件,我们报告的案例研究中,我们利用符号执行自动生成测试用例的一组安全关键的程序在SCADE开发。为此,我们介绍了一种新的测试生成器,我们在最近的工业项目中开发的测试安全关键的铁路软件写在SCADE,我们报告我们的经验,使用此测试生成器测试一组SCADE程序,属于发展的车载信号单元的高速铁路。结果提供经验证据表明,符号执行确实是一种可行的方法,为我们的案例研究中考虑的安全关键程序生成高质量的测试套件。
2022-09-22 cs.SE
Automatically Detecting Heterogeneous Bugs in High-Performance Computing Scientific Software
针对HPC科学应用中跨平台数据移动引发的异构Bug难检测问题,提出结合NLP、脱靶测试等技术的HeteroBugDetect自动化方法,在LAMMPS上验证可检测多类异构Bug,提升跨HPC环境可靠性。
2025-01-16 cs.SE
Search-based Software Testing Driven by Automatically Generated and Manually Defined Fitness Functions
本文提出ATheNA框架,结合自动生成与人工定义的适应度函数,驱动搜索软件测试,其Simulink实例ATheNA-S在多个模型上生成更多揭示故障的测试用例,且性能与基线相当。
2023-09-07 cs.SE
Automatically Securing Permission-Based Software by Reducing the Attack Surface: An Application to Android
一个常见的安全架构,称为基于权限的安全模型(例如在Android和黑莓中使用),会带来内在风险。例如,应用程序可以被授予比实际需要更多的权限,我们称之为“权限间隙”。恶意软件可以利用未使用的权限来实现其恶意目标,例如使用代码注入。在本文中,我们提出了一种方法来检测使用静态分析的权限差距。我们在Android环境中的原型实现表明,静态分析必须考虑大量的特定于平台的知识。在两个Android应用程序数据集上使用我们的工具,我们发现应用程序中有一个不可忽视的部分存在权限缺口,即没有使用它们声明的所有权限。
2013-03-20 cs.CR cs.SE
Lessons Learned from the Use of Generative AI in Engineering and Quality Assurance of a WEB System for Healthcare
Universidade Federal do Rio de Janeiro (UFRJ)(巴西里约热内卢联邦大学)
本文分享了在医疗保健Web系统开发中应用生成式AI的经验,涵盖项目管理到质量保证全过程,为软件组织利用AI提升开发实践与软件质量提供了宝贵见解。
2025-11-01 cs.AI cs.ET cs.SE
Investigating Software Aging in LLM-Generated Software Systems
Federico II University of Naples(那不勒斯费德里科二世大学)
本研究针对大语言模型生成软件的长期可靠性未知问题,通过对四个面向服务应用开展50小时负载测试,证实了软件老化现象的存在及应用类型对老化程度的影响,为相关缓解策略与可靠性评估研究提供基础。
2025-10-28 cs.SE
An experience in automatically extracting CAPAs from code repositories
TOM(Theoretically Objective Measurements of Software Development Projects,软件开发项目理论上客观的度量)是一组服务,负责帮助开发人员或团队识别软件开发过程中的异常,并提供对过程产生积极影响的预防或纠正措施(又名CAPAS)列表。并以此方式改进最终产品的质量及其开发过程。为了获得TOM的帮助,只需将我们的机器人(@0capa)添加到您的存储库中的协作者列表中即可,这样我们的机器人将自动负责从您的存储库中获取不同的指标,以便建议在您未来的更新中考虑到识别的异常不会重复的操作。本文介绍了这一想法的基础研究。
2022-12-19 cs.SE
Automatically Extracting Instances of Code Change Patterns with AST Analysis
代码更改模式代表软件中的一种经常性修改。例如,已知的代码改变模式包括if语句的条件表达式的改变。以前的工作已经确定了不同的变化模式。作为对变化模式识别和定义的补充,模式实例的自动提取对于衡量其经验重要性至关重要。例如,它使人们能够计算和比较不同项目历史中条件表达式更改的数量。在本文中,我们提出了一种新的方法,搜索模式的实例,从软件历史。我们的技术是基于对给定提交中的抽象树(AST)文件的分析。我们验证了我们的方法,计数实例的18个变化模式在6个开源Java项目。
2013-09-15 cs.SE
Categorizing the Content of GitHub README Files
README文件在塑造开发人员对软件存储库的第一印象和记录存储库托管的软件项目方面发挥着重要作用。然而,我们缺乏对典型README文件内容的系统性理解,也缺乏可以自动处理这些文件的工具。为了缩小这一差距,我们进行了一项定性研究,涉及从393个随机抽样的GitHub存储库中手动注释4,226个README文件部分,我们设计和评估了一个分类器和一组可以自动分类这些部分的功能。我们发现,讨论存储库的“什么”和“如何”的信息非常普遍,而许多README文件缺乏关于存储库的目的和状态的信息。我们的多标签分类器可以预测8个不同的类别,达到了0.746的F1分数。为了评估分类的有用性,我们使用自动确定的类来使用徽章标记GitHub README文件中的部分,并向20名软件专业人员展示带有和不带这些徽章的文件。大多数参与者认为,自动标记的部分的基础上,我们的分类,以方便信息发现。这项工作使软件存储库的所有者能够提高其文档的质量,并有可能使软件开发社区更容易在GitHub README文件中发现相关信息。
2018-07-30 cs.SE
Automatically Checking Conformance on Asynchronous Reactive Systems
软件测试是软件开发过程中的一个重要环节,它保证了软件产品的高质量。形式化方法在测试反应式系统,特别是临界系统方面很有前途,因为任何故障都可能导致严重的损害。这种性质的系统的特点是从环境中接收信息并产生响应输出。基于模型的测试的最大挑战之一是异步反应式系统的一致性检查。其目的是验证实现是否符合其各自的规范。在这项工作中,我们开发了一个实用的工具来检查反应模型之间的一致性关系,使用更一般的理论基础上的正则语言。事实上,该方法包含了经典的\ioco一致性,这也适用于我们的工具。此外,我们提出了一些研究与不同的场景,适用于实际的工具,这两个概念的一致性。
2019-08-11 cs.SE
A Pilot Study on Detecting Software Design Patterns with Large Language Models: An Empirical Evaluation
School of Computing, University of Otago(奥塔哥大学计算机学院)
本文评估了四种大语言模型和两种集成方法在检测五种设计模式(单例、适配器、桥接、组合和装饰器)中的性能,发现NextCoder和Gemma 3在准确性上表现更优,集成方法提升了整体效率。
2026-04-19 cs.SE
Harvesting Fix Hints in the History of Bugs
在软件开发中,修复错误是一项耗时且成本敏感的重要任务。虽然已经提出了许多方法来自动检测和修补软件代码,但这些策略仅限于一组经过深入研究以定义其属性的已识别错误。因此,它们设法覆盖了一小部分故障,如无限循环。我们建立在错误和相关用户错误报告是重复的假设之上,并提出了一种基于错误历史及其相关修复的修复建议新方法。在我们的方法中,一旦报告了一个错误,它会自动使用信息检索技术和机器学习分类与所有以前修复的错误进行比较。基于此比较,我们推荐从过去的修复示例中识别的顶级{ \em k}修复操作,这些操作可能适合作为软件开发人员解决新错误的提示。
2015-07-21 cs.SE
Human-Like Summaries from Heterogeneous and Time-Windowed Software Development Artefacts
自动文本摘要在软件工程领域引起了极大的兴趣。总结与软件项目相关的活动是具有挑战性的,(1)因为所涉及的软件工件的数量和异质性,以及(2)因为不清楚开发人员在这样的多文档摘要中寻求什么信息。我们提出了第一个框架,用于总结在给定的时间范围内包含异构数据的多文档软件工件。为了生成类似人类的摘要,我们采用了一系列迭代算法来最小化文本和高维特征向量之间的余弦相似性。第一项研究表明,用户发现自动生成的摘要是最有用的,当它们是使用单词相似性和基于八个最相关的软件人工制品生成的。
2020-04-28 cs.SE
Automatically Generating Dockerfiles via Deep Learning: Challenges and Promises
容器化允许开发人员定义需要安装其软件的执行环境。Docker是该领域的领先平台,使用它的开发人员需要为他们的软件编写Dockerfile。编写Dockerfiles绝非易事,特别是当系统对其执行环境有不寻常的要求时。尽管有几种工具可以支持开发人员编写Dockerfiles,但考虑到执行环境要求的高级规范,它们都无法从头开始生成整个Dockerfiles。在本文中,我们提出了一项研究,旨在了解深度学习(DL)在多大程度上可用于此特定的编码任务,该深度学习已被证明在其他编码任务中是成功的。我们初步定义了Dockerfile需求的结构化自然语言规范,以及我们用来从目前可用的最大Dockerfiles数据集中自动推断需求的方法。我们使用所获得的数据集(具有670,982个实例)来训练和测试文本到文本传输Transformer(T5)模型,遵循当前最先进的编码任务程序,从结构化规范自动生成Dockerfiles。我们的评估结果表明,T5的表现类似于我们考虑的更平凡的基于IR的基线。我们还报告了在Dockerfile生成的背景下与深度学习应用相关的开放性挑战。
2023-03-28 cs.SE
Towards Modal Software Engineering
在本文中,我们介绍了模态软件工程的概念:自动把顺序,确定性的程序到语义等价的程序有效地操作输入来自多个重叠的世界。我们正在模态逻辑和软件应用程序领域之间进行类比,其中需要有效地处理多组输入(多个世界)。通常,这些集合高度重叠,因此单独处理它们将涉及大量冗余,导致性能降低,并且在许多情况下难以处理。三个应用领域:推理基于特征的可变性的软件产品线(SPLs),概率规划和近似规划。
2021-02-12 cs.PL cs.SE
SPViz: A DSL-Driven Approach for Software Project Visualization Tooling
针对现有架构可视化工具适配性差、小众架构工具缺失且需手动建模的问题,提出使用两种DSL的SPViz方法,可自动生成适配项目变化的定制可视化工具,并已在开源库实现且验证了四种应用案例。
2024-01-30 cs.SE
Search-based Software Testing Driven by Domain Knowledge: Reflections and New Perspectives
McMaster University(麦克马斯特大学);University of Bergamo(贝加莫大学)
本文反思了基于领域知识的搜索驱动软件测试的最新实验结果,提出未来研究的新方向。
2025-12-10 cs.SE
REAgent: Requirement-Driven LLM Agents for Software Issue Resolution
School of Computer Software, Tianjin University(天津大学计算机软件学院);The International Joint Institute of Tianjin University, Tianjin University(天津大学国际联合学院);HUAWEI Technologies(华为技术有限公司)
本文提出REAgent框架,通过引入问题导向的需求作为结构化任务规范,提升补丁生成准确性,实验表明其在问题解决率上平均提升17.40%。
2026-04-08 cs.SE
Proceedings 12th International Workshop on Formal Engineering approaches to Software Components and Architectures
FESCA研讨会的目的是汇集初级研究人员从正式的方法,软件工程,并在正式建模方法的开发和应用感兴趣的行业,以及相关的分析和推理技术与软件工程的实际利益。近年来,功能正确性的日益重要性和系统质量属性(如性能,可靠性,安全性)的相关性增加,刺激了软件系统的设计和开发的分析和建模技术的出现。随着当今软件系统的日益复杂,FESCA旨在解决两个研究问题:(1)软件体系结构在系统解决分析和建模挑战方面可以发挥什么作用,以及(2)如何有效地应用正式和半正式技术,使问题更容易自动解决,人工干预更少。
2015-03-15 cs.SE
A Comprehensive Study on Automated Testing with the Software Lifecycle
本文综述了自动化测试在软件生命周期中的作用,分析其相较手动测试在效率、成本和质量评估方面的优势与差异,并探讨自动化测试工具的适用场景。
2024-05-02 cs.SE
LLM-Guided Genetic Improvement: Envisioning Semantic Aware Automated Software Evolution
针对基于搜索的软件遗传改进(GI)缺乏语义感知、LLM编辑缺乏目标反馈的问题,提出整合语义感知搜索的AI驱动GI研究方向,通过LLM编辑自动聚类增强GI,初步实证显示PatchCat方案可高效分类补丁、检测无操作编辑,为可解释高效绿色GI奠定基础。
2025-08-25 cs.SE
Recurrent Neural Networks to automate Quality assessment of Software Requirements
由于需求是用自然语言编写的,因此在需求获取和规格说明活动中会出现许多与需求质量相关的问题。语言的灵活性和固有特性使得需求容易出现不一致、冗余和歧义,从而对软件生存周期的后期阶段产生负面影响。为了解决这个问题,本文提出了一种创新的方法,结合自然语言处理技术和循环神经网络自动评估软件需求的质量。首先,分析IEEE 29148:2018标准中定义的奇异、完整、正确和适当的质量属性。所提出的神经模型是用由1000个软件需求组成的数据集训练的。该提案提供了75%的平均准确度。这些有希望的结果是一个动机,探索其应用于其他质量特性的评价
2021-05-13 cs.SE
AutoFirm: Automatically Identifying Reused Libraries inside IoT Firmware at Large-Scale
针对物联网固件复用库带来的安全风险,提出自动化工具AutoFirm,通过语法信息检测复用库,经大规模实证研究发现厂商普遍忽视更新过时库,漏洞威胁严峻。
2024-06-18 cs.CR cs.SE
Automatically Assessing Vulnerabilities Discovered by Compositional Analysis
测试是在真实世界的软件程序中发现漏洞的最广泛使用的方法。基于符号执行的组合分析是一种自动化测试方法,用于发现由许多交互组件组成的中型到大型程序中的漏洞。然而,现有的成分分析框架并不评估所报告的漏洞的严重性。在本文中,我们提出了一个框架来分析现有的组成分析工具发现的漏洞,并分配CVSS3(通用漏洞评分系统v3.0)分数给他们,基于各种知识,如与相关组件的交互,易于达到,设计的复杂性和接受未消毒输入的可能性。通过分析过去使用CVSS 3分数报告的漏洞,我们训练简单的机器学习模型。通过向流行开源软件的开发人员和其他安全专家展示我们的交互式框架,我们收集了对我们训练模型的反馈,并进一步改进了功能,以提高我们预测的准确性。通过从21个开源源程序中提供定性(基于社区反馈)和定量(基于预测准确性)证据,我们表明我们的严重性预测框架可以有效地帮助开发人员评估漏洞。
2018-07-24 cs.SE
Towards Living Software Architecture Diagrams
提出一种从多种软件工件中自动恢复架构并结合手动调整的方法与工具,生成可手动修改且在重新生成时能保留更改的软件架构图。
2024-07-25 cs.SE
Toward Automatically Completing GitHub Workflows
提出基于 Transformer 的 GH-WCOM 方法,通过抽象过程自动补全 GitHub 工作流,实验显示正确预测率高达 34.23%,置信度可作为推荐正确性的可靠指标。
2023-09-06 cs.SE
High-Quality Automated Program Repair
自动程序修复(APR)最近引起了人们的关注,因为它提出在没有人为干预的情况下修复软件缺陷。为了自动修复缺陷,大多数APR工具使用开发人员编写的测试来(a)定位缺陷,以及(b)基于测试施加的约束生成并验证自动生成的候选补丁。虽然APR工具可以生成修补程序,似乎可以修复真实软件中11-19%的缺陷,但大多数补丁都不正确或不被开发人员接受,因为它们过度拟合修复过程中使用的测试。这个问题被称为补丁过拟合问题。为了解决这个问题,我建议配备APR工具,从自然语言的软件工件,如错误报告和需求规格,描述的错误和预期的软件行为,但通常不使用的APR工具派生的额外的约束。我假设APR工具在使用这些附加约束时生成的补丁质量更高。为了验证这一假设,我提出了一个自动化和客观的方法来评估补丁的质量,并提出了两种新的方法来提高故障定位和开发人员编写的测试套件使用自然语言的软件工件。最后,我建议使用我的补丁评估方法来分析改进的故障定位和测试套件对APR工具为现实世界的缺陷所产生的补丁质量的影响。
2021-04-16 cs.SE
VELVET: a noVel Ensemble Learning approach to automatically locate VulnErable sTatements
Columbia University(哥伦比亚大学);IBM Research(IBM研究院)
自动定位源代码中的易受攻击语句对于保证软件安全和减轻开发人员的调试工作至关重要。这在当今的软件生态系统中变得更加重要,脆弱的代码可以在GitHub等软件存储库内和跨软件存储库轻松且无意地流动。在这样数百万行代码中,传统的静态和动态方法难以扩展。尽管现有的基于机器学习的方法在这样的环境中看起来很有前途,但大多数工作都是在更高的粒度上检测易受攻击的代码-在方法或文件级别。因此,开发人员仍然需要检查大量的代码来定位需要修复的易受攻击的语句。本文提出了VELVET,一种新的集成学习方法来定位脆弱语句。我们的模型结合了基于图和基于序列的神经网络,成功地捕捉程序图的局部和全局上下文,并有效地理解代码语义和脆弱模式。为了研究VELVET的有效性,我们使用了现成的合成数据集和最近发表的真实世界数据集。在静态分析设置中,没有提前检测到易受攻击的函数,VELVET在实际数据上的性能比基线静态分析器高4.5倍。对于孤立的漏洞本地化任务,我们假设一个功能的漏洞是已知的,而具体的脆弱的语句是未知的,我们比较VELVET与几个神经网络,也出席本地和全球范围内的代码。VELVET在合成数据和真实世界数据上分别实现了99.6%和43.6%的top-1准确率,比基线深度学习模型高出5.3- 29.0%。
2022-01-13 cs.LG cs.SE
On Model Based Synthesis of Embedded Control Software
Sapienza University of Rome(罗马智慧大学);Ufa State Aviation Technical University(乌法国立航空技术大学)
针对嵌入式控制软件,提出一种基于模型的形式化设计方法,通过权衡系统级非功能需求(如最优建立时间、纹波)与软件非功能需求(如内存占用),自动生成正确性保证的控制软件,实验表明在倒立摆基准上小控制器大小仅为时间最优控制器的6%。
2013-02-18 cs.SE cs.SY eess.SY
Formal Evidence Generation for Assurance Cases for Robotic Software Models
University of York(约克大学)
本文提出一种基于模型的形式验证方法,用于生成机器人软件模型的保证案例证据,通过整合形式验证工具和自动化转换需求为形式断言,提高安全性证明的效率和一致性。
2026-11-03 cs.FL cs.LO cs.RO
Scalable and Cost-effective Data Flow Analysis for Distributed Software: Algorithms and Applications
越来越多的分布式软件系统正在开发和部署。与其他软件一样,分布式软件系统也需要非常强大的质量保证支持。分布式软件通常非常庞大/复杂,具有分布式组件,并且没有全局时钟。所有这些特点使得分析这些系统的信息流以支持软件质量保证变得非常具有挑战性。一个挑战是现有的动态分析技术很难扩展到现实世界中的大型分布式软件系统。开发具有成本效益的动态分析方法也具有挑战性。分布式软件的动态分析算法/应用程序也存在适用性和可移植性的挑战。我的论文通过三种新的方法来解决这些挑战,分布式软件的数据流分析。我的第一种方法是基于测量进程间通信来理解分布式软件行为和预测分布式软件质量。然后,我开发了一种特殊的方法,可以通过分布式软件的多阶段和基于精化的动态信息流分析来精确定位敏感信息。最后,我探索了分布式系统的动态依赖分析,利用强化学习自动调整分析配置,以实现可扩展性和更好的成本效益权衡。
2023-03-07 cs.CR cs.DC cs.SE