← 返回列表

利用静态提取的代码特征对过拟合补丁进行自动分类

单站 拨开云雾 发布 Sat, 01 Apr 2023 11:20:00 +0800 入库 2026-11-18T17:37:16

zhanS 2023-04-01 11:20 四川

原文标题:Automated classification of overfitting patches with statically extracted code features

原文作者:Ye H, Gu J, Martinez M, et al. 

原文链接:https://ieeexplore.ieee.org/abstract/document/9399306/

发表期刊:IEEE Transactions on Software Engineering

笔记作者:zhanS@SecQuan

笔记小编:cherry@SecQuan

一定是特别的缘分,让我从茫茫文海中发现了你->补丁合理性检测
。

分享一篇我写在安全学术圈的论文阅读笔记,来自IEEE Transactions on Software Engineering的论文,题目为"Automated Classification of Overfitting Patches with Statically Extracted Code Features"。

自动程序修复(Automated Program Repair,APR)旨在降低手动修复软件缺陷的成本。然而,APR生成可能会生成大量过度拟合补丁,这些补丁除了使测试通过之外,并不能正确地修复缺陷。过拟合补丁问题导致生成的程序修复补丁价值低,严重影响了程序修复在实践中的适用性。因此,本文提出了一个名为ODS的模型(缘分呀,这不就是上一篇阅读笔记提到的模型吗?众里寻他千百度),用于检测过拟合补丁。ODS基于这样的假设,即:可以跨程序修复系统和跨软件项目进行过拟合补丁检测,因为存在捕获用于分类过拟合补丁的通用正确性属性的代码特征。

ODS模型的检测流程如图1所示,包括两个部分:训练和预测。

(1)训练阶段: ODS将一组有bug的代码及其对应的修补代码作为输入,每个代码都有一个正确性标签:过拟合或正确。ODS执行静态分析,提取出bug代码和补丁代码之间的AST差异,这些差异被编码为特征向量。对于每对源代码,ODS提取三类代码特征来形成特征向量。然后,训练监督学习模型。

(2)预测阶段: 对于一个新的补丁,首先以与训练补丁相同的方式提取代码特征。然后,将提取的代码特征输入ODS模型。对于每个补丁,ODS输出一个概率分数,表示其正确性的可能性。

给定一对有bug和打过补丁的源代码文件,首先计算每个受补丁影响的源代码文件的AST,然后在这些AST上执行AST差分算法。这将计算得到一组AST操作(称为edit-script),用于捕获一个AST(bug文件)到另一个AST(补丁文件)之间的转换。本文称这个列表为“AST diff”。接着,将AST diff转换成定长向量。对于一个补丁影响两个以上文件的多个AST diff(这意味着补丁修改不同的文件来修复错误),本文从每个AST diff中积累每个特征向量的发生情况(这是啥?),进而得到一组固定长度的特征向量,用以表示修复错误代码的补丁。

ODS提取的特征分为三类:代码描述特征、修复模式特征和上下文句法特征,分别如表1,2和3所示。

例如,insertStmt特征表示补丁代码通过插入一条语句以对bug进行修复。

同时,ODS还从补丁周围的语句中提取特征。具体来说,考虑a)被修改的语句(称之为SRC特征),b)在被修改的语句之前的同一个代码块中最多3条语句(称之为FORMER特征),c)在被修改的语句之后的同一个代码块中最多3条语句(称之为LATTER特征)。

这样一来,对于每个补丁,ODS考虑的代码描述特征就有150个,SRC的50个特征+FORMER的50个特征+LATTER的50个特征。

接下来是特征向量化。需要注意,字符串类型的特征使用one-hot进行编码。对于来自一个补丁的多个AST差异,我们从每个AST差异中聚合每个特征的对应值。

图2的用处来了!!! 图中灰色节点表示AST diff(也就是patch),ODS从被这些节点影响的节点上提取特征。对于这个补丁,提取的代码描述特征包括:opEqual(二元操作符“==”),uopDec(一元操作符“-”),localVar(局部变量temp),如图中绿钩表示。对于其他特征,如assingZero和opAdd,则没有被捕获,如图中红叉表示。同样的,ODS还从改变的AST的前后(图中的虚线箭头)提取代码描述特征。对于补丁模式特征,ODS只提取了两个,即wrapsIf和condaBlockOthersAdd。所有的特征都被转换成图2底部的向量表示(最后一列阶段了是不是,哈哈)。

在实现部分,ODS的分类器使用的是XGBoost。使用Coming[3]提取代码描述特征和上下文语法特征,使用ADD[4]提取代码修复模式特征。这两个根据的内部都使用GumTree[5]来提取AST diff。

这篇文章实验部分的开头概述值得学习。直接放图。

下面到了大家最关心的数据集时间。本文所用的数据集包括两个部分,一个是来自文章[6]的有标签数据集和来自文章[7]的无标签数据集。

在表5所示的3个基准测试中,存在数据不平衡问题。作者采用了SMOTE的少数策略,即只对正确的补丁重新采样到相同数量的过拟合补丁。

下面是一些我认为有意思的实验结果。这篇文章写得真不错,除了我没有太理解“从每个AST diff中积累每个特征向量的发生情况”,值得细品,哈哈。

参考文献: 

[1] Sobreira V, Durieux T, Madeiral F, et al. Dissection of a bug dataset: Anatomy of 395 patches from defects4j[C]//2018 IEEE 25th International Conference on Software Analysis, Evolution and Reengineering (SANER). IEEE, 2018: 130-140.

[2] Madeiral F, Durieux T, Sobreira V, et al. Towards an automated approach for bug fix pattern detection[J]. arXiv preprint arXiv:1807.11286, 2018.

[3] Martinez M, Monperrus M. Coming: A tool for mining change pattern instances from git commits[C]//2019 IEEE/ACM 41st International Conference on Software Engineering: Companion Proceedings (ICSE-Companion). IEEE, 2019: 79-82.

[4] Madeiral F, Durieux T, Sobreira V, et al. Towards an automated approach for bug fix pattern detection[J]. arXiv preprint arXiv:1807.11286, 2018.

[5] Falleri J R, Morandat F, Blanc X, et al. Fine-grained and accurate source code differencing[C]//Proceedings of the 29th ACM/IEEE international conference on Automated software engineering. 2014: 313-324.

[6] Wang S, Wen M, Lin B, et al. Automated patch correctness assessment: How far are we?[C]//Proceedings of the 35th IEEE/ACM International Conference on Automated Software Engineering. 2020: 968-980.

[7] Durieux T, Madeiral F, Martinez M, et al. Empirical review of Java program repair tools: A large-scale experiment on 2,141 bugs and 23,551 repair attempts[C]//Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering. 2019: 302-313.

原文链接:https://mp.weixin.qq.com/s?__biz=Mzg3Mzc3NTYyNw==&mid=2247484083&idx=1&sn=624251e943d3788835fd00e5215c2f8e