מערכת למידת מכונה ControlFlag בקוד פתוח של אינטל לזיהוי שגיאות קוד

אינטל גילתה פיתוחים הקשורים לפרויקט המחקר ControlFlag שמטרתו ליצור מערכת למידת מכונה לשיפור איכות הקוד. ערכת הכלים שהוכנה על ידי הפרויקט מאפשרת, בהתבסס על מודל שהוכשר על כמות גדולה של קוד קיים, לזהות שגיאות וחריגות שונות בטקסטי מקור שנכתבו בשפות ברמה גבוהה כמו C/C++. המערכת מתאימה לזיהוי סוגים שונים של בעיות בקוד, החל מזיהוי שגיאות הקלדה ושילובי טיפוסים שגויים, ועד לזיהוי חסר של בדיקות ערך NULL במצביעים ובעיות זיכרון. קוד ControlFlag כתוב ב-C++ והוא בקוד פתוח תחת רישיון MIT.

המערכת לומדת עצמית על ידי בניית מודל סטטיסטי של מערך הקוד הקיים של פרויקטים פתוחים המתפרסמים ב-GitHub ובמאגרים ציבוריים דומים. בשלב ההדרכה, המערכת קובעת דפוסים אופייניים לבניית מבנים בקוד ובונה עץ תחבירי של קשרים בין תבניות אלו, המשקף את זרימת ביצוע הקוד בתוכנית. כתוצאה מכך, נוצר עץ קבלת החלטות התייחסות המשלב את חווית הפיתוח של כל קודי המקור המנותחים.

הקוד הנבדק עובר תהליך דומה של זיהוי דפוסים שנבדקים מול עץ החלטות התייחסות. פערים גדולים עם סניפים שכנים מצביעים על נוכחות של חריגה בדפוס הנבדק. המערכת גם מאפשרת לך לא רק לזהות שגיאה בתבנית, אלא גם להציע תיקון. לדוגמה, בקוד OpenSSL זוהתה המבנה "(s1 == NULL) ∧ (s2 == NULL)", שהופיעה בעץ התחביר רק 8 פעמים, בעוד שהענף הקרוב ביותר עם הערך "(s1 == NULL) || (s2 == NULL)" התרחש כ-7 אלף פעמים. המערכת גם זיהתה חריגה "(s1 == NULL) | (s2 == NULL)" שהופיע 32 פעמים בעץ.

בעת ניתוח קטע הקוד "אם (x = 7) y = x;" המערכת קבעה כי המבנה של "משתנה == מספר" משמש בדרך כלל באופרטור "אם" כדי להשוות ערכים מספריים, כך שסביר מאוד שההתוויה "משתנה = מספר" בביטוי "אם" נגרמת על ידי א. טעות דפוס. מנתחים סטטיים מסורתיים היו תופסים שגיאה כזו, אך בניגוד אליהם, ControlFlag אינו מיישם כללים מוכנים, בהם קשה לספק את כל האפשרויות האפשריות, אלא מבוסס על סטטיסטיקה של שימוש במבנים שונים במספר רב. של פרויקטים.

כניסוי, שימוש ב-ControlFlag בקוד המקור של כלי השירות cURL, אשר מצוטט לעתים קרובות כדוגמה לקוד איכותי ונבדק, זוהתה שגיאה שלא זוהתה על ידי מנתחים סטטיים בעת שימוש ברכיב המבנה "s->keepon", שהיה לו סוג מספרי, אך הושווה לערך הבולאני TRUE . בקוד OpenSSL, בנוסף לבעיה שהוזכרה לעיל עם "(s1 == NULL) ∧ (s2 == NULL)", זוהו חריגות גם בביטויים "(-2 == rv)" (המינוס היה שגיאת הקלדה) ו-"BIO_puts(bp, ":")

מקור: OpenNet.ru