Intel har offentliggjort en ny version af værktøjet ControlFlag 1.2, som gør det muligt at identificere fejl og anomalier i kildekoder ved hjælp af et maskinlæringssystem, der er trænet på et stort volumen af eksisterende kode. I modsætning til traditionelle statiske analysatorer anvender ControlFlag ikke faste regler, som kan være svære at forudse alle mulige variationer, men bygger på statistikken over brugen af forskellige sproglige konstruktioner i et stort antal eksisterende projekter. Koden til ControlFlag er skrevet i C++ og er open source under MIT-licensen.
Den nye version er bemærkelsesværdig for implementeringen af fuld support til identificering af anomalier og læring baseret på typiske kode skabeloner for C++. Tidligere versioner havde lignende support for C og PHP. Systemet er velegnet til at identificere forskellige typer problemer i koden, lige fra stavefejl og ukorrekte typekombinationer til at opdage anomalier i "if"-sætninger og manglende NULL-værdi checks i pointere. Systemet lærer ved at bygge en statistisk model baseret på et eksisterende kodehul af open source projekter på C, C++ og PHP, offentliggjort på GitHub og lignende offentlige repositories.
Under træningsfasen identificerer systemet typiske mønstre i kodens konstruktioner og bygger et syntaktisk træ, der forbinder disse mønstre, hvilket afspejler den udførelsesmæssige flow i programmet. I sidste ende dannes der et reference beslutningstræ, der samler udviklingserfaringer fra alle analyserede kildekoder. For den kontrollerede kode udføres en lignende proces for at identificere mønstre, der sammenlignes med reference beslutningstræet. Store afvigelser fra nærliggende grene indikerer tilstedeværelsen af en anomali i den kontrollerede skabelon.
Kilde: opennet.ru
