Automated Query Reformulation for Efficient Search based on Query Logs From Stack Overflow
Nanjing University(南京大学);Monash University(莫纳什大学);University of Adelaide(阿德莱德大学);Nantong University(南通大学)
作为一个流行的编程问答网站,Stack Overflow是开发者的宝藏。然而,Stack Overflow上的大量问题和答案使得开发人员很难有效地找到他们正在寻找的信息。有两个差距导致搜索结果不佳:用户的意图和文本查询之间的差距,以及查询和帖子内容之间的语义差距。因此,开发人员必须不断地重新制定他们的查询,纠正拼写错误的单词,增加限制某些程序设计语言或平台等查询重新制定是繁琐的开发人员,特别是新手,我们提出了一个自动化的软件特定的查询重新制定方法的基础上深度学习。利用Stack Overflow提供的查询日志,我们构建了一个大规模的查询重构语料库,包括原始查询和相应的重构查询。我们的方法训练了一个Transformer模型,当给定用户的原始查询时,该模型可以自动生成候选重构查询。评估结果表明,我们的方法优于五个国家的最先进的基线,并实现了5.6%至33.5%的提升方面的$\mathit{ExactMatch}$和4.8%至14.4%的提升方面的$\mathit{GLEU}$。
2021-02-10 cs.AI cs.IR cs.SE
Understanding Developers Well-Being and Productivity: a 2-year Longitudinal Analysis during the COVID-19 Pandemic
本文通过为期 24 个月的纵向研究,分析了 COVID-19 疫情期间软件工程师的幸福感、生产力及社交联系变化,发现开发者普遍偏好混合工作安排,并提出 IJARS 综合模型来解释相关机制。
2023-08-10 cs.HC cs.SE
Factors Impacting Developer Efficiency: Results from an Adaptive Longitudinal Study
Franssa(弗兰萨);CESAR School(塞萨尔学院);DevEficiente(德维效率)
本研究通过采用ADEMM方法对27名外部开发者开展混合方法纵向研究,发现组织依赖等效率瓶颈稳定存在,还识别出固定工具会遗漏的生成式AI使用障碍,为组织干预提供了依据。
2026-08-18 cs.SE
Key Developer Roles and Organizational Coupling in Microservices: A Longitudinal Analysis
Free University of Bozen-Bolzano(博尔扎诺自由大学);Nutrosal Inc.(Nutrosal公司);University of Arizona(亚利桑那大学)
本文研究微服务系统中开发者角色对组织耦合的影响,通过GitHub数据纵向分析,发现连接者角色对耦合影响最大,多重角色协同进一步加剧耦合效应。
2026-04-28 cs.SE
Mining Reviews in Open Source Code for Developers Trail: A Process Mining Approach
本文提出使用过程挖掘方法利用开源代码库数据构建日志并生成工作流网,以图形化描绘开发者活动顺序,并通过 Act-Trace 算法展示该方法。
2023-07-16 cs.IR cs.SE
Logging Practices with Mobile Analytics: An Empirical Study on Firebase
软件日志在工业和开源项目中都有很大的价值。移动分析日志使开发人员能够从终端用户设备上运行的应用程序远程收集日志,但需要通过互联网记录日志并将其传输到集中式基础设施。本文使用广泛采用的移动分析日志库(即Firebase Analytics)来描述日志记录实践的第一步。我们通过研究代码库的演变,对Firebase Analytics在57个开源Android应用程序中的使用进行了实证评估,以了解:a)推动从业者在移动设备上采用日志记录实践的共同需求,以及b)开发人员使用本地和远程日志记录方式的差异。我们的研究结果表明,移动分析日志比传统的日志记录代码更不普及,维护更少。根据我们的分析,我们认为与传统日志记录相比,使用移动分析的日志记录更以用户为中心,后者主要用于记录调试信息。
2021-04-06 cs.SE
Understanding the attitudes, knowledge sharing behaviors and task performance of core developers: A longitudinal study
内容:先前的研究已经确定,在软件开发过程中,一些人通常主导项目沟通和源代码更改,而不管项目启动时的任务分配。目的:虽然这种现象已经被注意到,以前的研究并没有试图了解这些占主导地位的个人。先前的研究发现,核心沟通者是团队知识的守门人,这些成员的表现与团队的成功相关。在这项工作的基础上,我们采用了纵向的方法来研究核心开发人员的态度,知识共享行为和任务绩效在他们的项目过程中的变化。方法:我们首先使用社会网络分析(SNA)和标准的统计分析技术,从十个不同的软件开发团队中识别和选择工件和中心从业者。然后,我们应用心理语言学分析和定向内容分析(CA)技术来解释这些从业者的信息的内容。最后,我们检查了核心开发人员在系统开发过程中不同时间点的活动。结果如下:在我们的研究结果中,我们观察到核心开发人员的态度和知识共享行为与他们在实际软件开发中的参与以及他们更广泛的项目团队的需求有关。然而,核心开发人员似乎天生就具有高水平的洞察力。结论:项目绩效可能会受益于围绕核心开发人员与其他有能力的沟通者的策略。核心开发人员还应该得到更广泛的团队的支持,他们愿意提出问题并挑战他们的想法。最后,足够的沟通渠道的可用性将有助于保持积极的团队气氛,特别是在分布式开发中。(节录)
2021-02-12 cs.SE
A Tool for Rejuvenating Feature Logging Levels via Git Histories and Degree of Interest
日志记录是重要的编程实践。由于现代软件应用程序的高度事务性,每天都会生成大量日志,这可能会使开发人员不堪重负。日志记录信息过载对软件应用程序可能是危险的。使用日志级别,开发人员可以打印有用的信息,同时在软件运行时隐藏详细的日志。随着软件的发展,与周围软件功能实现相关联的日志记录语句的日志级别也可能需要改变。维护日志级别需要大量的手动工作。在本文中,我们展示了一种自动化的方法,可以通过匹配开发人员对周围功能的兴趣水平来恢复功能日志级别。该方法是作为一个开源Eclipse插件实现的,使用两个外部插件(JGit和Mylyn)。它在18个开源Java项目上进行了测试,这些项目包含约300万行代码和约4K条日志语句。我们的工具成功地分析了99.22%的日志语句,将日志级别分布增加了约20%,并在错误修复上下文中增加了日志的关注度约83%。有关详细信息,感兴趣的读者可以观看我们的演示视频(www.youtube.com/watch? v=qIULoAXoDv4)。
2022-02-16 cs.SE
A Longitudinal Cohort Study on the Retainment of Test-Driven Development
背景资料:测试驱动开发(TDD)是一种敏捷的软件开发实践,它被认为可以提高软件产品的外部质量和开发人员的生产力。目的:我们想研究(i)TDD对软件产品的外部质量以及开发人员的生产力的影响,以及(ii)在五个月内TDD的保留情况。方法:我们对意大利巴里大学计算机科学专业的30名三年级本科生进行了一项(定量)纵向队列研究。结果如下:TDD的使用对软件产品的外部质量和开发人员的生产力都没有统计上的显著影响。然而,我们观察到使用TDD的参与者比那些应用非TDD开发过程的参与者产生了更多的测试,并且TDD的保留在编写的测试数量中特别明显。结论:我们的结果应该鼓励软件公司采用TDD,因为实践TDD的人往往会编写更多的测试-在测试软件系统或定位错误时,有更多的测试可以派上用场-而且新手开发人员似乎会保留TDD。
2018-07-09 cs.SE
Explaining GitHub Actions Failures with Large Language Models: Challenges, Insights, and Limitations
本研究探讨使用大型语言模型为 GitHub Actions 失败生成上下文描述,发现超过80%开发者认可其在简单日志上的正确性,可为不同经验开发者提供辅助,但复杂场景仍需提升推理能力。
2025-01-27 cs.SE
Automated Evolution of Feature Logging Statement Levels Using Git Histories and Degree of Interest
日志记录--用于系统事件和安全漏洞来描述软件功能的更多信息但基本方面--很普遍。考虑到当今软件的高事务性,信息过载可能会降低日志记录的有效性。日志级别通过将优先级与以后可以过滤的日志相关联来帮助缓解此问题。然而,随着软件的发展,记录周围功能实现的日志级别也可能需要修改,因为曾经被认为重要的功能可能已经降低了紧迫性,反之亦然。我们提出了一个自动化的方法,帮助开发人员在不断发展的水平,这样的(功能)日志。该方法基于挖掘Git历史和操纵兴趣度(DOI)模型,根据周围代码的“兴趣度”转换源代码以恢复功能日志级别。该方法基于JGit和Mylyn构建,作为Eclipse IDE插件实现,并在18个Java项目上进行了评估,其中包含$\sim$ 300万行代码和$\sim$ 4K日志语句。我们的工具成功地分析了99.22%的日志语句,增加了$\sim$ 20%的日志级别分布,并增加了$\sim$ 83%的时间在错误修复上下文中的日志的焦点。此外,pull(补丁)请求被集成到大型和流行的开源项目中。结果表明,该方法是有前途的,在协助开发人员在不断变化的功能日志级别。
2021-09-13 cs.SE
Developer Productivity With and Without GitHub Copilot: A Longitudinal Mixed-Methods Case Study
University of Oslo(奥斯陆大学);SINTEF(辛特夫研究所)
研究通过混合方法案例研究分析GitHub Copilot对开发者活动和主观生产力的影响,发现使用Copilot的开发者活动更活跃,但无显著统计学变化,表明提交指标与主观生产力体验存在差异。
2026-01-28 cs.SE
Understanding and supporting how developers prompt for LLM-powered code editing in practice
University of California Irvine(加州大学尔布雷分校);Google(谷歌);Meta
本文研究开发者在使用LLM赋能代码编辑工具时的提示行为,发现频繁重新提示表明使用困难,并提出AutoPrompter工具通过推断缺失信息提升编辑正确性27%。
2025-12-19 cs.AI cs.HC cs.SE
How Developers Discuss Generative AI: A Longitudinal Study of the Visual Studio Code Community
Faculty of Engineering Kasetsart University(曼谷农业大学工程学院);Faculty of Environmental, Life, Natural Science and Technology Okayama University(冈山大学环境生命自然科学技术学部);Faculty of Digital Technology Chitralada Technology Institute(吉特拉达技术学院数字技术学院)
本研究通过分析VS Code代码库的25227个AI相关议题,发现开发者讨论生成式AI多聚焦于操作层面,而非调查强调的风险,且讨论正从代码补全向智能体开发演变,为相关研究提供了补充视角。
2026-09-07 cs.SE
Individual Differences Limit Predicting Well-being and Productivity Using Software Repositories: A Longitudinal Industrial Study
针对软件开发者幸福感与生产力预测难题,通过工业团队纵向研究发现个体差异是主要影响因素,个性化预测模型效果更优,为相关管理与研究提供参考。
2021-04-28 cs.SE
Using Logs to support Programming Education
Instituto Federal de Educação, Ciência e Tecnologia do Amazonas(亚马孙联邦教育、科学与技术学院);Universidade Tecnológica Federal do Paraná(巴拉那联邦技术大学)
本研究通过收集学生实时编程日志,提供定量数据以分析学习过程,帮助教育者评估学生理解、识别常见问题并优化教学时间分配。
2026-05-11 cs.SE
Mining a Decade of Event Impacts on Contributor Dynamics in Ethereum: A Longitudinal Study
该研究基于以太坊10个主要代码仓库十年数据,运用统计、生存和网络分析揭示技术事件与市场事件对开发者活动的不同影响,并为社区在重大转型中维持开发势头提供启示。
2025-02-07 cs.CY cs.SE
RECAP: An End-to-End Platform for Capturing, Replaying, and Analyzing AI-Assisted Programming Interactions
Carnegie Mellon University(卡内基梅隆大学)
RECAP通过记录和回放开发者与AI编程助手的交互,分析其行为模式和策略演变,为软件工程教育提供支持。
2026-05-01 cs.CL cs.HC cs.SE
EditFlow: Benchmarking and Optimizing Code Edit Recommendation Systems via Reconstruction of Developer Flows
Shanghai Jiao Tong University(上海交通大学);National University of Singapore(新加坡国立大学);Bytedance Network Technology(字节跳动网络科技)
本文提出EditFlow,通过重建开发者编辑流程,解决代码编辑推荐系统在数据收集、基准测试和统一优化中的关键挑战,提升开发者生产力。
2026-04-08 cs.SE
In Search of Socio-Technical Congruence: A Large-Scale Longitudinal Study
我们报告了一个大规模的实证研究调查的相关性的社会技术一致性的关键基本软件质量指标,即错误和流失。特别是,我们探讨是否对齐或错位的社会沟通结构和技术依赖关系,在大型软件项目影响软件质量。为此,我们定义了一个定量和操作的概念,社会技术一致性,我们称之为社会技术的主题一致性(STMC)。STMC是一个度量,衡量开发人员在同一个文件或两个相关文件上工作时需要进行通信的程度。由于社会技术一致性是一个复杂的和多方面的现象,结果的可解释性是我们主要关注的问题之一,所以我们采用了仔细的混合方法的统计分析。特别是,我们提供了类似的技术,在该领域的开创性工作所采用的分析,以确保我们的结果与现有的工作机构的可比性。基于对25个大型开源项目的分析,我们研究的主要结果是,STMC与项目质量度量(软件错误和流失)在任何时间场景中都没有关系。也就是说,我们发现开发人员任务和开发人员沟通的一致性与项目成果之间没有统计关系。我们的结论是,既然一致性确实如文献所显示的那样重要,那么它的可测量的效果就在别处。
2021-05-17 cs.SE
The Impact of AI Coding Assistants on Software Engineering: A Longitudinal Study
University of Auckland(奥克兰大学)
通过纵向混合方法调查,研究AI编码助手对专业软件工程师任务专注度、开发者体验和生产力的影响,发现工作重心从创建转向验证,并提出监督工程工作概念,同时揭示生产力-体验悖论。
2026-11-05 cs.SE
Developer Experiences with Cursor AI-native IDE
York University(约克大学)
本研究通过分析Cursor官方论坛的14714篇帖子,探究开发者对AI原生IDE Cursor的使用体验,发现其工作流程关键机制是价值与挫败感的主要来源,摩擦焦点随时间发生转移。
2026-10-16 cs.SE
Mapping GitHub Sponsorships: A Longitudinal Observatory for Open-Source Sustainability
Trent University(特伦特大学)
本文提出一个持续运行的观测站,用于跟踪和分析GitHub Sponsors生态系统,通过优先级图遍历和实时标准化,提供交互式仪表盘和分析-ready CSV文件,展示开源资金可持续性的研究发现。
2026-04-04 cs.SE
Automated File-Level Logging Generation for Machine Learning Applications using LLMs: A Case Study using GPT-4o Mini
Concordia University(康科德大学)
本研究以GPT-4o mini为案例,评估LLM为ML项目生成文件级日志的能力,发现其在63.91%情况下位置匹配,但过度日志记录率高,并面临函数边界、大代码块及约定对齐等挑战。
2025-08-06 cs.AI cs.LG cs.SE
A Network Perspective on the Influence of Code Review Bots on the Structure of Developer Collaborations
本文采用网络分析方法,基于大规模 GitHub 仓库样本研究代码审查机器人对开源软件团队协作网络结构的影响,旨在揭示人机交互对开发者协作的深层效应。
2023-05-26 cs.SE cs.SI
Evaluating How Developers Use General-Purpose Web-Search for Code Retrieval
搜索是软件开发过程中不可或缺的一部分。开发人员经常使用搜索引擎在开发过程中查找信息,包括可重用的代码片段、API理解和参考示例。开发人员倾向于使用像Google这样的通用搜索引擎,这些搜索引擎通常不针对代码相关文档进行优化,而使用的搜索策略和排名技术更适合于通用的、非代码相关的信息。在本文中,我们将探讨是否一个通用的搜索引擎,如谷歌是一个最佳的选择代码相关的搜索。特别是,我们调查是否与谷歌搜索的性能不同的代码与非代码相关的搜索。为了分析这一点,我们收集了来自310名开发人员的搜索日志,其中包含来自Google的近150,000个搜索查询和相关的结果点击。为了区分代码相关的搜索和非代码相关的搜索,我们建立了一个模型,识别查询的代码意图。利用这个模型,我们建立了一个自动分类器,检测代码和非代码相关的查询。我们确认分类器的有效性手动注释的查询,分类器达到87%的精度,86%的召回率,和87%的F1分数。我们应用这个分类器来自动注释数据集中的所有查询。分析这个数据集,我们观察到与代码相关的搜索通常需要更多的努力(例如,时间、结果点击和查询修改),这表明使用通用搜索引擎的代码搜索性能不太有效。
2018-03-22 cs.IR cs.SE
AI Writes Faster Than Humans Can Review: A Longitudinal Study of an Enterprise 2x Mandate
Carnegie Mellon University(卡内基梅隆大学);Stanford University(斯坦福大学)
本研究通过802名开发者及196,212个拉取请求的纵向数据,量化评估了某中型AI公司自2025年中实施的“2x”强制令效果,发现人均吞吐量最终翻倍至2.09倍,且增益通过采纳与使用渠道实现,同时代码审查结构转向自动化。
2026-11-11 cs.SE
The Impact Of Bug Localization Based on Crash Report Mining: A Developers' Perspective
本文通过18个月、三个团队的实践,评估基于崩溃报告分组的缺陷定位方法,发现开发者选择候选缺陷时考虑多种因素,该方法精确度约80%,并收集了开发者对可疑文件实用性的反馈。
2024-03-16 cs.IR cs.SE
Do Developers Refactor Data Access Code? An Empirical Study
开发人员经常重构代码以提高软件的可维护性和可理解性。对于传统软件系统中的重构活动有很多研究。然而,数据密集型系统中的重构还没有得到很好的探索。了解开发人员的重构实践是很重要的开发有效的工具support.We进行了一项纵向研究的重构活动的数据访问类使用12个数据密集型主题系统。我们调查了重构的流行和演变,以及重构与数据访问气味的关联。我们还对超过378个数据访问重构实例的样本进行了手动分析,以确定这些重构所针对的代码功能。我们的研究结果表明:(1)数据访问重构是普遍存在的,并在类型上有所不同。\textit{Rename variable}是最流行的数据访问重构。(2)重构的流行程度和类型随着系统的发展而变化。(3)大多数数据访问重构的目标代码实现数据获取和插入。(4)数据访问重构通常不涉及SQL查询。总体而言,结果表明,数据访问重构专注于提高代码质量,而不是底层的数据访问操作。因此,研究社区需要做更多的工作,为从业者提供意识和支持,了解通过重构解决数据访问气味的好处。
2022-02-07 cs.SE
A Comprehensive Survey of Logging in Software: From Logging Statements Automation to Log Mining and Analysis
University of Waterloo(滑铁卢大学)
日志被广泛用于记录软件系统的运行时信息,例如事件的时间戳和重要性,日志源的唯一ID,以及任务执行的部分状态。日志的丰富信息使系统开发人员(和操作员)能够监控其系统的运行时行为,并进一步跟踪系统问题,并对生产环境中的日志数据进行分析。然而,先前关于利用日志的研究是分散的,这限制了该领域的新研究人员快速获得速度的能力,并阻碍了当前活跃的研究人员进一步推进该领域。因此,本文调查和提供了一个系统的文献综述和映射的当代日志记录的做法和日志语句的挖掘和监测技术及其应用,如在系统故障检测和诊断。我们研究了大量出现在顶级同行评审场所的会议和期刊论文。此外,我们还绘制了正在进行的研究的高层次趋势,并将出版物进行了细分。最后,根据我们在本次调查中的整体观察,我们提供了一系列挑战和机遇,这些挑战和机遇将引导学术界和工业界的研究人员推动该领域的发展。
2022-01-01 cs.LG cs.SE
From Early Adoption to Sustained Use: Understanding GenAI Usage Among Software Developers in Italian SMEs
University of Bari(巴里大学);University of Hamburg(汉堡大学);University of Southampton(南安普顿大学);Pontifícia Universidade do Rio Grande do Sul(南里奥格兰得天主教大学)
本研究基于UTAUT2框架,通过纵向和横截面混合方法调查意大利中小企业开发者持续使用生成式AI工具的意图,发现个体层面因素(如生产力、享受和易用性)是主要驱动力,而社会和组织因素影响不显著。
2026-05-25 cs.SE
Is Self-Admitted Technical Debt Tested? An Empirical Study of Coverage, Co-change, and Impact
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);University of Groningen(格罗宁根大学)
本研究实证分析八个Java项目中自我承认的技术债务(SATD)与测试的关系,发现债务移除很少伴随针对性测试,且测试与否对短期缺陷影响不大,但长期可能影响缺陷可观察性。
2026-09-15 cs.SE
Engineering Signals of Human-AI Collaboration in the Agentic Coding Era: A Longitudinal Analysis of 33,228 Pull Requests from vLLM and SGLang with Implications for Biomedical AI Agents and Bioinformatics Pipeline Developmen
Georgia Institute of Technology(佐治亚理工学院)
该研究对vLLM和SGLang的33228个拉取请求进行纵向分析,发现AI辅助开发提升了开源软件的吞吐量、贡献者参与度及人机协作信号,且增长主要由人类驱动,为生物医学智能体开发提供启示。
2026-08-17 cs.AI cs.ET cs.HC
Unsafe and Unused? A History of Utility Code in Mature Open Source Projects
Rochester Institute of Technology(罗切斯特理工学院)
研究分析了七个成熟开源项目中实用代码的使用、复杂度、协作和安全性的相关性,发现实用代码可能更容易涉及漏洞,旨在帮助开发者避免创建不安全的实用代码。
2026-04-30 cs.SE
Newer and Bigger, but Safer? A Longitudinal Study of the Functionality-Security Gap in LLM-Generated Code
Ruhr-Universität Bochum(波鸿鲁尔大学)
本研究对32个LLM进行纵向分析,发现新模型绝对安全性提升但功能-安全差距未消除,开源家族显著缩小差距,紧凑模型通常更不安全,建议开发者勿假设升级或专有模型更安全。
2026-10-07 cs.CR cs.SE
Intuition to Evidence: Measuring AI's True Impact on Developer Productivity
通过企业级真实部署的纵向队列分析,评估AI辅助开发平台DeputyDev对生产力的影响,发现PR审查周期缩短31.8%、代码推送量增加28%,并揭示实际部署挑战。
2025-09-24 cs.AI cs.LG cs.SE
LLM-Generated Microservice Implementations from RESTful API Definitions
Faculty of Information Technology and Communication Science, Tampere University(坦佩雷大学信息与通信技术学院)
本文提出一种基于大语言模型的系统,通过自动化 OpenAPI 规范生成、代码创建及基于日志分析的反馈完善,实现 RESTful 微服务的 API 优先开发,有效加速开发进程并减少人工工作。
2025-02-13 cs.SE
CodeWatcher: IDE Telemetry Data Extraction Tool for Understanding Coding Interactions with LLMs
University of British Columbia(不列颠哥伦比亚大学);Federal University of Pará(帕拉联邦大学)
本文提出 CodeWatcher,一个轻量级无干扰的客户端-服务器系统,通过 VS Code 插件、Python RESTful API 和 MongoDB 后端捕获细粒度交互事件,支持编码会话重建与行为分析,助力负责任 AI 及 CGT 评估研究。
2025-10-13 cs.AI cs.SE
TreeRanker: Fast and Model-agnostic Ranking System for Code Suggestions in IDEs
JetBrains;Delft University of Technology(代尔夫特理工大学)
本文提出一种基于语言模型的快速、模型无关的代码建议排名方法,通过构建前缀树并进行贪心解码,实现精确的token级排序,无需束搜索、提示工程或模型调整。
2025-08-04 cs.AI cs.IR cs.SE
Defects4Log: Benchmarking LLMs for Logging Code Defect Detection and Reasoning
本文构建了包含164个真实缺陷的日志代码缺陷检测基准Defects4Log,发现引入缺陷模式知识可使LLM检测准确率提升10.9%,为日志缺陷检测提供了基准与指导。
2025-08-15 cs.SE
Using Machine Intelligence to Prioritise Code Review Requests
Ericsson AB(爱立信公司);Blekinge Institute of Technology(布莱金厄理工学院)
现代代码审查(MCR)是审查需要与现有代码库合并的新代码更改的过程。作为开发人员,每天可能会收到许多代码审查请求,即,需要对审查请求进行优先排序。手动确定审查请求的优先级是一个具有挑战性且耗时的过程。为了解决上述问题,我们在爱立信进行了一项工业案例研究,旨在开发一种名为Pineapple的工具,该工具使用贝叶斯网络来优先考虑代码审查请求。为了验证我们的方法/工具,我们将其部署在爱立信的实时软件开发项目中,其中有150多名开发人员开发电信产品。我们专注于评估我们的方法的预测性能,可行性和实用性。结果表明,菠萝具有良好的预测性能(RMSE = 0.21和MAE = 0.15)。此外,大约82.6%的Pineapple用户认为该工具可以通过提供可靠的结果来支持代码审查请求优先级,大约56.5%的用户认为它有助于减少代码审查的交付时间。作为未来的工作,我们计划通过纵向调查评估菠萝的预测性能,有用性和可行性。
2021-02-11 cs.AI cs.SE
An Empirical Study of Code Obfuscation Practices in the Google Play Store
University of New South Wales (UNSW)(新南威尔士大学);University of Sydney(悉尼大学)
本文对 Google Play 商店八年内超 50 万个 Android APK 进行大规模实证分析,提出分类器检测混淆代码与工具,揭示混淆使用率增长 13% 的趋势及其在热门应用和游戏类中的更高普及度。
2025-02-07 cs.AI cs.CR cs.SE