संवेदनशील सॉफ़्टवेयर घटकों की भविष्यवाणी के लिए स्वचालित विशेषता शिक्षण

कोड दोष या संवेदनशीलताएँ सॉफ़्टवेयर सिस्टम में प्रचलित हैं और संभावित रूप से विभिन्न समस्याओं का कारण बन सकती हैं जिनमें डेडलॉक, हैकिंग, जानकारी की हानि और प्रणाली विफलता शामिल हैं। बड़े कोड बेस में ऐसे कोड संवेदनशीलताओं के सबसे संभावित स्थानों का पता लगाने के लिए विभिन्न दृष्टिकोण विकसित किए गए हैं। इनमें से अधिकांश मैन्युअल रूप से कोड विशेषताओं (जैसे जटिलता मीट्रिक या कोड टोकन की आवृत्तियाँ) को डिज़ाइन करने पर निर्भर करते हैं जो संभावित रूप से समस्याग्रस्त कोड के लक्षणों का प्रतिनिधित्व करते हैं। हालाँकि, सभी स्रोत कोड के क्रम और अर्थात्मक प्रतिनिधित्व को पर्याप्त रूप से कैप्चर करने में चुनौतियों का सामना करते हैं, जो सटीक भविष्यवाणी मॉडल बनाने के लिए महत्वपूर्ण क्षमता है। इस पत्र में, हम एक नए दृष्टिकोण का वर्णन करते हैं, जो शक्तिशाली गहरे शिक्षण लॉन्ग शॉर्ट टर्म मेमोरी मॉडल पर आधारित है, जो कोड की अर्थात्मक और वाक्यात्मक विशेषताओं को स्वचालित रूप से सीखता है। हमारे 18 Android एप्लिकेशन और Firefox एप्लिकेशन पर मूल्यांकन से यह दर्शाता है कि हमारे सीखे गए विशेषताओं से प्राप्त भविष्यवाणी शक्ति वर्तमान संवेदनशीलता भविष्यवाणी मॉडलों द्वारा प्राप्त की गई शक्ति से बेहतर है, दोनों अंदर-परियोजना भविष्यवाणी और क्रॉस-परियोजना भविष्यवाणी के लिए।