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

Компания Intel представи разработки, свързани с изследователския проект ControlFlag, насочен към създаването на система за машинно обучение, която да повиши качеството на кода. Подготвеният от проекта инструментариум позволява на база на модел, обучен на голям обем съществуващ код, да идентифицира различни грешки и аномалии в изходните текстове, написани на високоезикови езици, като C/C++. Системата е подходяща за откриване на различни видове проблеми в кода, от определяне на типографски грешки и неправилни комбинации от типове до открития на пропуснати проверки на стойността NULL в указатели и проблеми, свързани с паметта. Кодът на ControlFlag е написан на C++ и е с отворен лиценз MIT.

Системата се самообучава, като изгражда статистически модел на наличния масив код от открити проекти, публикувани в GitHub и подобни публични репозитории. По време на обучението системата определя типични шаблони за изграждане на конструкции в кода и изгражда синтактично дърво на връзките между тези шаблони, отразяващо потока на изпълнение на кода в програмата. В крайна сметка се формира еталонно дърво за вземане на решения, което обединява опита от разработката на всички анализирани изходни текстове.

За проверявания код се извършва подобен процес на определяне на шаблони, които се сравняват с еталонното дърво за вземане на решения. Големите разлики с близките клони свидетелстват 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 идентифицирана конструкцията "(s1 == NULL) ∧ (s2 == NULL)", която присъстваше в синтактичното дърво само 8 пъти, докато най-близкият клон с "(s1 == NULL) || (s2 == NULL)" се срещаше около 7000 пъти. Системата също така разкри аномалия "(s1 == NULL) | (s2 == NULL)", която се срещаше в дървото 32 пъти.

При анализа на фрагмент от кода „if (x = 7) y = x;“ системата определи, че обикновено в оператора „if“ за сравнение на числови стойности се използва конструкцията „променлива == число“, затова с голяма вероятност указанието „променлива = число“ в израза „if“ е резултат от печатна грешка. Такава грешка би била забелязана и от традиционните статични анализатори, но за разлика от тях ControlFlag не прилага готови правила, при които е трудно да се предвидят всички възможни варианти, а се основава на статистиката за използването на най-различни конструкции в голям брой проекти.

Като експеримент с помощта на ControlFlag в изходните текстове на утилитата cURL, която често се представя като пример за качествен и проверен код, беше установена незабелязана от статичните анализатори грешка при използването на елемента на структурата „s->keepon“, който имал числов тип, но се сравнявал с булевата стойност TRUE. В кода на OpenSSL, освен споменатия по-горе проблем с „(s1 == NULL) ∧ (s2 == NULL)“, също така бяха открити аномалии в изразите „(-2 == rv)“ (минусът беше печатна грешка) и „BIO_puts(bp, „:“)“.

Източник: opennet.ru