面向开源生态的软件数据挖掘技术研究综述

全球开源软件生态中孕育的大众化软件生产模式正快速形成一种新型的软件生产力,在软件开发和应用各个环节发挥了巨大作用.大众化软件生产的数据规模日趋庞大、协同范围不断扩展、管理模式高度精简,这些全球化特征使其在软件复用、协同开发、知识管理等环节面临诸多挑战,迫切需要新的理论指导和工具支持.本文首先界定了大众化软件生产活动的分布范围、基本过程和数据形态,然后从软件复用、协同开发、知识管理三个核心环节对开源社区数据挖掘技术的研究工作进行了归类与分析,最后总结了该领域研究工作存在的问题和未来发展趋势.     

数据挖掘软件现状研究

数据挖掘是当前计算机应用的一个热点研究方向。经过近十年的发展,数据挖掘软件得到了长足的进步,许多成熟的数据挖掘软件被开发出来并投入实用。文章对当前数据挖掘软件的现状进行了研究,并着重分析了四种常用的数据挖掘软件。通过该文的研究指出了当前数据挖掘软件的成果和不足,并进一步指明了今后发展的方向。     

云计算及其在数据挖掘上的应用研究

云计算是一种新兴的共享基础架构的方法,它以公开的标准和服务为基础,以互联网为中心,提供安全、快速、便捷的数据存储和网络计算服务。该种计算由统一的计算机群完成,相比网格计算效率更高,动态处理能力更强。将云计算应用到数据挖掘中,可以为越来越多的海量Web数据挖掘提供解决方案。     

Sun公布xVM开源服务器虚拟化软件源码

日前,Sun公布了xVM hypervisor源码,并计划推出一个商业版本的xVM服务器．xVM服务器在由Sun,HP,IBM和Dell生产的x86机上对Windows,Linux和Sun自己Solaris操作系统进行虚拟化．xVM服务器一直处在有限的公开测试阶段,不过如今源代码已经可以下载．Sun还发布了xVM Ops Center的第2个版本,xVM Ops Center是一套物理和虚拟服务器管理系统．     

浅谈数据挖掘技术

如何快速有效地从海量的网络信息中,挖掘出潜在的、有价值的信息,使之有效地在管理和决策中发挥作用,是急需解决的问题。本文针对当前的热点问题——数据挖掘技术展开讨论和研究。     

源码公开技术对网络安全的影响

随着以Linux为代表的开放源码软件的出现，源码公开技术日益受到人们青睐。但如何看待开源软件的安全性，却有两种截然不同的看法，一种观点认为，源代码公开有利于安全等级的检验和控制，有利于网络系统整体安全等级的提高；另外一种观点认为，源程序面前没有秘密，公开源代码就意味着公开了软件运行的全部机理和技术细节，虽然有人完善，但也会有人破坏，因此是最不安全的。孰是?孰非?     

用于软件行业的数据挖掘

提出了在软件行业中应用数据挖掘的技术，并针对软件行业的特点，对如何在软件行业中应用数据挖掘技术以及应用中面临的困难和挑战进行了讨论。     

数据挖掘技术及Web应用

在计算机与信息技术普及的今天,人们的消费需求、行为和习惯都可以化为海量的用户数据。这样的数据挖掘成果,正逐步为公众所分享。     

数据挖掘技术在软件工程中的应用综述

随着软件系统的规模和复杂性日益增长,软件开发已经演变成一项复杂的系统工程.软件工程中的对象、活动和过程更加难以控制和管理,因此该领域原有的经验直觉型的处理模式已经不能适应新的需求,而数据挖掘技术的引入为实现知识智能型软件工程提供了重要契机.以软件工程领域中的数据对象为主线,对在程序代码分析、故障检测、软件项目管理、开源软件开发等软件活动中所运用到的数据挖掘技术进行了系统的介绍和归纳,并在每一环节作了方法间的优劣性对比分析.最后还指出了若干值得进一步研究的方向.     

软件知识库中数据挖掘技术研究

当前,软件系统的复杂度和规模也随着处理信息的增多而不断扩大,其开发和应用越来越困难,将软件工程项目的研究过程中产生的数据(软件知识库)抽取出有价值的信息可以帮助研发人员更好地实现软件,增强软件系统的功能和稳定性,是目前学术界研究的一个热点。     

面向源代码的软件漏洞静态检测综述

软件静态漏洞检测依据分析对象主要分为二进制漏洞检测和源代码漏洞检测。由于源代码含有更为丰富的语义信息而备受代码审查人员的青睐。针对现有的源代码漏洞检测研究工作，从基于代码相似性的漏洞检测、基于符号执行的漏洞检测、基于规则的漏洞检测以及基于机器学习的漏洞检测4个方面进行了总结，并以基于源代码相似性的漏洞检测系统和面向源代码的软件漏洞智能检测系统两个具体方案为例详细介绍了漏洞检测过程。     

将KFCM算法应用于源代码挖掘的研究

为解决软件工程数据量大、属性多且多为离散型数据的特点,提高软件工程数据的挖掘效率,寻求更快速、高效的聚类算法,提出了将基于核函数的模糊聚类算法应用于源代码挖掘;同时采用TF-IDF方法对离散型文本数据进行处理,解决了核模糊聚类算法不能对文本数据直接进行聚类的问题.将遗传算法与KFCM算法相结合,克服了KFCM只能求解局部极小值的问题.实验结果表明,改进的KFCM算法对软件工程数据的挖掘有很好的聚类效果,且有较高的效率.     

开源软件自动化评估证据框架

互联网上已形成了规模巨大、种类丰富的开源软件资源。如何准确、快速地判断一个开源项目的各种可信属性是否满足需求是当前软件工程领域研究的热点。深入分析已有开源软件评估模型,总结互联网上软件质量相关的各种信息,提出了面向开源软件的可信评估证据框架,并基于该框架构建了一种开源软件可信证据查询平台。利用该平台能够极大地提高评估效率,用户可以准确、快速、全面地了解相关软件项目的各种信息。最后,以一个知名开源软件证实了该证据框架及证据查询平台的可行性。     

基于源代码分析的嵌入式软件高速仿真

现有嵌入式软件仿真工具的应用受到仿真速度等不足的限制。在一些领域中,此处介绍的方法将是更好的解决方案。该方法使用自行开发的分析器将嵌入式软件的源代码转换为ANSIC／C＋＋代码,并将其与仿真专用的函数库编译连接。最终生成的PC上的可执行程序就是目标嵌入式软件及其硬件平台的模型。由于具备可以达到目标系统运行速度数百倍的仿真速度,和合理的仿真精确度,该方法可以在设计空间探索阶段和算法级嵌入式编程中取代常用的开发工具包以及ISS,并有效缩短开发周期。     

On the security of open source software

Abstract With the rising popularity of so‐called ‘open source’ software there has been increasing interest in both its various benefits and disadvantages. In particular, despite its prominent use in providing many aspects of the Internet's basic infrastructure, many still question the suitability of such software for the commerce‐oriented Internet of the future. This paper evaluates the suitability of open source software with respect to one of the key attributes that tomorrow's Internet will require, namely security. It seeks to present a variety of arguments that have been made, both for and against open source security and analyses in relation to empirical evidence of system security from a previous study. The results represent preliminary quantitative evidence concerning the security issues surrounding the use and development of open source software, in particular relative to traditional proprietary software.     

基于代码结构信息的软件缺陷定位方法研究

大型软件系统的缺陷定位通常采用源代码与缺陷报告的文本相似性的排序方法,但是这种基于文本相似性的方法没能充分利用源代码结构信息,缺陷定位的准确率低。为了解决这个问题,本文提出了一种基于源代码结构（如类名、方法名、变量名、注释等）信息和历史缺陷报告信息进行缺陷定位的方法,对于源代码结构的不同部分,在与缺陷报告进行词语匹配时,赋予它们不同的权重,同时充分利用历史缺陷报告信息,提高缺陷定位的精度。本文使用了Eclipse作为测试项目进行实验,通过与BugLocator和BugScout等方法的结果进行对比,结果表明本文方法能显著的提高缺陷定位的精度,验证了本文方法的可行性和有效性。     

基于软件信息库挖掘的软件缺陷预测方法

通过软件缺陷预测可以指导软件开发过程中资源的分配,提高软件质量和软件可靠性。为了更好地利用软件开发过程中产生的数据,指导软件的开发,在介绍了软件缺陷管理,数据挖掘,软件开发信息库知识的基础上,将数据挖掘的知识应用到软件开发信息库中,从版本信息库和缺陷跟踪系统中提取相关数据,经过预处理后这些数据就成数据挖掘技术的研究对象,通过选取合适的软件度量元,利用这些度量元建立新的软件缺陷预测模型并验证了该模型的有效性。     

基于深度聚类的开源软件漏洞检测方法

针对开源软件漏洞,提出一种基于深度聚类算法的软件源代码漏洞检测方法。该方法利用代码图模型构造开源软件代码属性图,遍历得到关键代码节点并提取出应用程序编程接口（API）序列,将其嵌入向量空间,以关键代码为中心进行聚类,根据聚类结果计算每个函数的异常值,生成检测报告并匹配漏洞库,从而检测出源代码中的漏洞。实验结果表明,该方法能够定位开源软件中漏洞所在的关键代码段并检测出相应漏洞。