Das Unternehmen Intel hat die Version 1.2 des ControlFlag-Tools veröffentlicht, das Fehler und Anomalien in Quelltexten mithilfe eines auf umfangreichen bestehenden Codes trainierten maschinellen Lernsystems identifiziert. Im Gegensatz zu traditionellen statischen Analysatoren greift ControlFlag nicht auf vordefinierte Regeln zurück, die alle möglichen Varianten schwer vorhersagen können, sondern basiert auf der Statistik der Verwendung verschiedener Sprachkonstrukte in einer Vielzahl von bestehenden Projekten. Der Code von ControlFlag ist in C++ geschrieben und unter der MIT-Lizenz veröffentlicht.
Die neue Ausgabe zeichnet sich durch die vollständige Unterstützung für die Erkennung von Anomalien und das Lernen auf der Basis typischer Codevorlagen für die Programmiersprache C++ aus. In früheren Versionen wurde eine ähnliche Unterstützung für die Sprachen C und PHP bereitgestellt. Das System eignet sich zur Identifizierung verschiedener Arten von Problemen im Code, von der Erkennung von Schreibfehlern und falschen Typkombinationen bis hin zur Aufdeckung von Anomalien in "if"-Bedingungen und versäumten NULL-Wertprüfungen in Zeigern. Das System lernt durch den Aufbau eines statistischen Modells auf Basis eines bestehenden Code-Pools von Open-Source-Projekten in den Sprachen C, C++ und PHP, die auf GitHub und ähnlichen öffentlichen Repositories veröffentlicht wurden.
Im Lernprozess identifiziert das System gängige Strukturvorlagen im Code und erstellt einen Syntaxbaum, der die Beziehungen zwischen diesen Vorlagen widerspiegelt und den Fluss der Programmausführung darstellt. Das Ergebnis ist ein Referenzbaum für Entscheidungen, der die Erfahrung der Entwicklung aller analysierten Quelltexte integriert. Für den zu überprüfenden Code wird ein ähnlicher Prozess zur Identifizierung von Vorlagen durchgeführt, die mit dem Referenzbaum für Entscheidungen abgeglichen werden. Große Abweichungen von benachbarten Ästen deuten auf Anomalien im überprüften Template hin.
Quelle: opennet.ru
