基于语义层行为结构的变换对形式化格局识别技术的再探究*

程序的语义层是程序的词法层和语法层的抽象表达,而蕴涵在软件中的语义层构成了人脑思维与机器思维交互过程的中间变换,从程序的语义层出发,利用行为结构的高层表达进行软件理解,进而抽取设计决策,成为了软件逆向工程理论研究的热门课题,形式化格局识别技术在不同程度上表达了上述思想。基于以上分析,对格局识别技术作进一步探究,并在原有基础上提出了新的改进算法与实施技术。     

基于语义层软件理解的形式化格局识别技术

目前国内外学者在软件理解的研究上多注重于程序的词法层和语法层技术的探索，相应的有程序切片、程序类跟随踪、程序依赖性分析、反汇编与反编译等。但对程序的语义层理解方法进行研究的甚少。该文正是基于上述分析研究了一种软件理解新认识水平——形式化格局识别技术，以行为层状结构的变换来表述程序的语义，进而采用近人类的思维方式来理解并抽取软件的设计决策与体系结构。     

基于H-等价的算法识别技术研究

蕴涵在程序代码中的语义是程序语言词法和语法的抽象表达,构成了人脑思维与机器思维交互过程的中间变换。从指称语义出发,结合具体语言,用形式化的方法讨论了语义等价和H-等价(Herbrand等价)。H-等价的判定条件相对来说更容易得到满足,具有更广泛的可用性。结合具体算法给出了H-等价在算法识别方面的应用成果及其局限性。     

基于深度神经网络的软件机器人语义识别方法

由于软件机器人语义识别中存在噪音,易产生表述不清等问题,增加了数据分析难度,影响了语义识别效果,为此,设计一种基于深度神经网络的软件机器人语义识别方法。通过Python语言中的urllib模块和NPL模块抓取二分类语料中的正负语料,搭建软件语料库。利用输出模块、解码器模块、编码器模块以及数据输入模块构建深度卷积神经网络模型,对融合后的张量进行处理后,获取语义分割结果。设计联合语义智能机器人识别模型,通过合并意图识别与实体识别,实现软件机器人语义识别。测试结果表明,设计方法的平均F₁值高于0.82,最高错误率低于0.592%,语义分割标准度量值高于0.83,对大量数据进行语义识别时花费时间较短,证明了设计方法具有较好的语义识别效果。     

基于语义导向的软件在线升级功能逆向定位

针对软件在线升级的劫持攻击是网络攻击最常用的手段之一。程序分析是快速自动化评估软件升级安全的重要方法,软件中升级功能函数快速逆向定位是实现静态分析和提高动态分析效率的关键前提。传统的程序分析逆向定位,依靠人工经验,根据字符串、API函数等语义信息的交叉引用链关系来实现,效率较低,且无法实现自动化。为解决该问题,提出了一种基于语义分析与逆向分析相结合的软件升级功能定位方法。首先针对软件二进制程序中常见的语义信息(如字符串、函数名、API函数等),建立一个基于自然语言处理的升级语义分类模型;然后借助逆向分析工具提取软件的语义信息,并通过升级语义分类模型来识别升级语义信息;最后定义了一种函数关系调用图形树上的升级函数关键节点求解算法,对升级函数进行求解。文中设计并实现了一个软件在线升级功能定位原型系统,并对常用的153款软件实施了升级功能逆向定位分析,其中126款软件定位成功。通过定位分析初步评估部分软件升级的安全性,获得CNNVD编号漏洞1个,CNVD编号漏洞5个。     

基于踪迹语义的软件哈希方案

本文分析了当前软件完整性保护存在的问题：哈希函数的碰撞攻击威胁。针对该问题,基于对程序的行为即语义进行哈希运算的思想出发,提出了基于踪迹语义的软件哈希方案。新提出的方案具有更高的安全性,而且新方案可以识别验证未通过的软件是否被附加信息,使得现有的哈希函数产生碰撞。     

面向方面软件重构等价性形式化证明方法

软件重构在不改变程序行为的情况下通过对代码进行小的改进以提升设计,使之更容易理解和维护,面向方面的程序设计是软件开发的新技术,为了有效实施面向方面的软件重构,需要开发者识别面向方面程序的转化规则。然而,由于使用的AOP语言没有形式化的语义定义,难以确认转化和重构的程序运行行为。本文对MCI操作语义的面向方面的扩展使之支持程序的方面特征的描述,定义了两个程序的观测等价,讨论了AspectJ的形式语义模型的建立,在MCI的语义下形式化地精确证明了Add Before-executing编程规则的观测等价性,其基本原理和方法可以适用于其他规则的证明,通过上述工作提出了面向方面重构的程序和它的面向对象程序原型等价性的证明方法。     

一个设计模式自动识别技术研究框架

在程序代码中自动识别设计模式可以为面向设计模式的软件理解、维护和重构等活动提供自动化支持.比较系统地分析了该领域十余年来的研究状况和存在的问题,提出了一套以准确和通用的设计模式识别技术为目标,以层次化识别特征的确定、基于静态分析技术的语义特征发掘与识别技术、基于语义特征和排除性约束的软件框架描述技术、基于描述逻辑的设计模式形式化技术等为内容的研究框架.介绍了各项技术的基本思想和主要内容,论述了其可行性.     

扩展频繁执行路径上的n-gram软件胎记

n-gram能有效识别字符串的序列特征,基于n-gram技术计算的软件胎记可信性普遍较高。但n-gram更适用于文本程序,对两个软件的动态特征区分不理想,很难不被保持语义变换操作所干扰,胎记可靠性难以保证。文章利用影响分析技术,找出频繁执行路径上的关联代码,形成扩展执行路径,在扩展频繁执行路径上计算n-gram后构造动态胎记。该胎记抗保持语义变换能力不低于WPP(Whole Program Path)胎记,用于指令流时胎记的可信性更好。     

基于本体影射规则的软件集成重构研究

软件重构与系统互操作是计算机科学的普遍问题,从结构化设计、面向对象方法、代理技术以及标准化与开放系统,都把软件重用或重构作为基本目标,但实现异构系统协同还需要解决语义互操作问题,大量异构的遗留软件系统（legacy系统）在语义层上的冲突阻碍着它们间的重构与互操作,该言语分析了软件代理与基本体间的关系,给出了legacy软件重构框架;引入转换规则,采用精确或近似两种方法灵活地处理多本体间的语义转换,提出了基于本体转换的异构系统语义互操作算法。     

用Z形式化描述程序切片

程序切片是一种重要技术,已广泛地应用于软件工程的各个领域,如程序理解、维护、调试、测试、复用、度量等.虽然,越来越多的研究者致力于程序切片工作,然而由于缺少形式化方面的工作导致程序切片可能存在不一致性和模糊性.本文尝试着用Z语言来形式化描述程序切片,考虑了程序切片中诸如程序依赖图和程序切片算法等常用的方面.该形式化描述不仅能帮助人们正确地理解程序切片的含义,而且还能够从比较严格的意义上明确程序切片的应用领域.     

A program design language based software maintenance tool

Program design languages are an increasingly important method of expressing the detailed design of a software system. Such languages can be modelled using a data structure known as a semantic net. This paper describes a maintenance tool for program design languages based on such a data structure. The tool allows the user to interrogate a semantic net using an interactive procedural language in order to derive information necessary for software maintenance. The technique upon which this tool is based is applicable to the maintenance of activities throughout the software lifecycle.     

基于语义建图的室内机器人实时场景分类

针对室内环境下的机器人场景识别问题,重点研究了场景分类策略的自主性、实时性和准确性,提出了一种语义建图方法.映射深度信息构建二维栅格地图,自主规划场景识别路径;基于卷积网络建立场景分类模型,实时识别脱离特定训练;利用贝叶斯框架融合先验知识,修正了错误分类并完成语义建图.实验结果表明:机器人能够进行全局自主探索,实时判断场景类别,并创建满足要求的语义地图.同时,实际路径规划中,机器人可以根据语义信息改善导航行为,验证了方法的可行性.     

基于混合注意力机制的软件缺陷预测方法

软件缺陷预测技术用于定位软件中可能存在缺陷的代码模块,从而辅助开发人员进行测试与修复。传统的软件缺陷特征为基于软件规模、复杂度和语言特点等人工提取的静态度量元信息。然而,静态度量元特征无法直接捕捉程序上下文中的缺陷信息,从而影响了软件缺陷预测的性能。为了充分利用程序上下文中的语法语义信息,论文提出了一种基于混合注意力机制的软件缺陷预测方法 DP-MHA(Defect Prediction via Mixed Attention Mechanism)。DP-MHA首先从程序模块中提取基于AST树的语法语义序列并进行词嵌入编码和位置编码,然后基于多头注意力机制自学习上下文语法语义信息,最后利用全局注意力机制提取关键的语法语义特征,用于构建软件缺陷预测模型并识别存在潜在缺陷的代码模块。为了验证DP-MHA的有效性,论文选取了六个Apache的开源Java数据集,与经典的基于RF的静态度量元方法、基于RBM+RF、DBN+RF无监督学习方法和基于CNN和RNN深度学习方法进行对比,实验结果表明,DP-MHA在F1值分别提升了16.6%、34.3%、26.4%、7.1%、4.9%。     

软件项目进度计划控制的过程与方法

良好的计划管理是软件项目成功的基础。针对软件项目管理的现状,综合运用软件工程和项目管理的思想,探索软件项目进度计划控制的过程和方法。提出了动态循环的控制方式和封闭循环不断运行的过程,并通过图形表达了进度计划控制流程;通过三个关键指标和四个评价指标研究用于控制团队进度的基于挣值管理的控制方法;通过PsP过程改进模型和具体实例研究用于个体控制进度的基于PSP的控制方法。文中的研究内容对于加强软件项目管理、提高进度计划控制水平等方面具有重要意义。     

一种面向语义Web服务的语义程序变换方法

语义程序变换是面向语义Web服务的软件设计方法的基础,语义程序只有通过程序变换后才能被运行环境执行和调用,然而目前还缺乏有效的语义程序变换方法。针对这一问题,基于语义编程语言SPL,提出了一种面向语义Web服务的语义程序变换方法。该方法通过对语义数据类型、语义规则、语义服务和语义流程等语义信息的有效变换,不仅提高了面向服务的程序设计的灵活性和健壮性,而且有助于提高业务流程的柔性和重用性。     

A framework for defining semantic metrics

Software metrics are measures of particular characteristics found in the software. Research in this area seeks to identify relationships between software characteristics and software engineering processes. Most software metrics are based on program structure and are determined statically. This article presents a framework by which semantic information can be quantified. By semantic information, we mean information concerning what occurs internally during execution as program states are created.