Intel откри кода на системата за машинно обучение ControlFlag за откриване на грешки в кода

Компания Intel разкри разработки, свързани с изследователския проект ControlFlag, насочен към създаването на система за машинно обучение, която да подобри качеството на кода. Подготовените от проекта инструменти позволяват на базата на модел, обучен на голямо количество съществуващ код, да идентифицират различни грешки и аномалии в изходния код, написан на високо ниво езикове, като C/C++. Системата е подходяща за определяне на различни видове проблеми в кода, от идентифициране на типографски грешки и неправилни типове, до откриване на пропуснати проверки за NULL стойности в указатели и проблеми с паметта. Кодът на ControlFlag е написан на C++ и е с отворен код под MIT лиценз.

Системата се самообучава, като изгражда статистически модел на наличния масив от код на отворени проекти, публикувани в GitHub и подобни публични хранилища. На етапа на обучение, системата идентифицира типични шаблони за изграждане на конструкциите в кода и изгражда синтактично дърво на връзките между тези шаблони, отразяващо потока на изпълнението на кода в програмата. В крайна сметка се формира референтно дърво за вземане на решения, обединяващо опита от разработката на всички анализирани изходни текстове.

За проверявания код се извършва подобен процес на определяне на шаблони, които се сравняват с референтното дърво за вземане на решения. Големи разминавания с съседни клони сочат за наличие на аномалия в проверявания шаблон. Системата също така позволява не само да открие грешка в шаблона, но и да предложи корекция. Например, в кода на OpenSSL беше открито конструкцията «(s1 == NULL) ∧ (s2 == NULL)», която се срещаше в синтактичното дърво само 8 пъти, докато най-близкият клон с «(s1 == NULL) || (s2 == NULL)» се срещаше около 7000 пъти. Системата също така установи аномалия «(s1 == NULL) | (s2 == NULL)», която се срещаше в дървото 32 пъти.

При анализ на кода "if (x = 7) y = x;" системата установи, че обикновено в оператора "if" за сравняване на числови стойности се използва конструкцията "променлива == число", затова с голяма вероятност указанието "променлива = число" в израза "if" е резултат на печатна грешка. Тази грешка биха открили и традиционните статични анализатори, но за разлика от тях ControlFlag не прилага предварително зададени правила, които трудно предвиждат всички възможни варианти, а се основава на статистика за използването на разнообразни конструкции в голям брой проекти.

Като експеримент, с помощта на ControlFlag в изходните текстове на утилитата cURL, която често се използва като пример за качествен и проверен код, беше открито незабелязано от статични анализатори грешка при използването на елемента от структурата "s->keepon", който имаше числов тип, но беше сравнен с булевата стойност TRUE. В кода на OpenSSL, освен споменатия проблем с "(s1 == NULL) ∧ (s2 == NULL)", също бяха открити аномалии в изразите "(-2 == rv)" (минусът беше печатна грешка) и "BIO_puts(bp, ":")".

Източник: opennet.ru