കോഡ് പിശകുകൾ തിരിച്ചറിയാൻ ഇന്റൽ ഓപ്പൺ സോഴ്‌സ് കൺട്രോൾ ഫ്ലാഗ് മെഷീൻ ലേണിംഗ് സിസ്റ്റം

കോഡ് ഗുണനിലവാരം മെച്ചപ്പെടുത്തുന്നതിനായി ഒരു മെഷീൻ ലേണിംഗ് സിസ്റ്റം സൃഷ്ടിക്കാൻ ലക്ഷ്യമിട്ടുള്ള കൺട്രോൾ ഫ്ലാഗ് ഗവേഷണ പദ്ധതിയുമായി ബന്ധപ്പെട്ട സംഭവവികാസങ്ങൾ ഇന്റൽ കണ്ടെത്തി. പ്രോജക്റ്റ് തയ്യാറാക്കിയ ടൂൾകിറ്റ്, നിലവിലുള്ള കോഡിന്റെ വലിയ അളവിലുള്ള ഒരു മാതൃകയെ അടിസ്ഥാനമാക്കി, C/C++ പോലുള്ള ഉയർന്ന തലത്തിലുള്ള ഭാഷകളിൽ എഴുതിയിരിക്കുന്ന സോഴ്സ് ടെക്സ്റ്റുകളിലെ വിവിധ പിശകുകളും അപാകതകളും തിരിച്ചറിയാൻ അനുവദിക്കുന്നു. അക്ഷരത്തെറ്റുകളും തെറ്റായ ടൈപ്പ് കോമ്പിനേഷനുകളും തിരിച്ചറിയുന്നത് മുതൽ പോയിന്ററുകളിലെ നഷ്‌ടമായ NULL മൂല്യ പരിശോധനകൾ, മെമ്മറി പ്രശ്‌നങ്ങൾ എന്നിവ തിരിച്ചറിയുന്നത് വരെ കോഡിലെ വിവിധ തരത്തിലുള്ള പ്രശ്‌നങ്ങൾ തിരിച്ചറിയുന്നതിന് സിസ്റ്റം അനുയോജ്യമാണ്. കൺട്രോൾ ഫ്ലാഗ് കോഡ് C++ ൽ എഴുതിയിരിക്കുന്നു, കൂടാതെ MIT ലൈസൻസിന് കീഴിൽ ഓപ്പൺ സോഴ്‌സ് ചെയ്തതുമാണ്.

GitHub-ലും സമാനമായ പൊതു ശേഖരണങ്ങളിലും പ്രസിദ്ധീകരിച്ച ഓപ്പൺ പ്രോജക്റ്റുകളുടെ നിലവിലുള്ള കോഡ് ശ്രേണിയുടെ ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡൽ നിർമ്മിക്കുന്നതിലൂടെ സിസ്റ്റം സ്വയം പഠിക്കുകയാണ്. പരിശീലന ഘട്ടത്തിൽ, കോഡിലെ ഘടനകൾ നിർമ്മിക്കുന്നതിനുള്ള സാധാരണ പാറ്റേണുകൾ സിസ്റ്റം നിർണ്ണയിക്കുകയും ഈ പാറ്റേണുകൾക്കിടയിൽ കണക്ഷനുകളുടെ ഒരു വാക്യഘടന നിർമ്മിക്കുകയും ചെയ്യുന്നു, ഇത് പ്രോഗ്രാമിലെ കോഡ് എക്സിക്യൂഷന്റെ ഒഴുക്കിനെ പ്രതിഫലിപ്പിക്കുന്നു. തൽഫലമായി, വിശകലനം ചെയ്ത എല്ലാ സോഴ്‌സ് കോഡുകളുടെയും വികസന അനുഭവം സംയോജിപ്പിക്കുന്ന ഒരു റഫറൻസ് തീരുമാനമെടുക്കൽ ട്രീ രൂപീകരിച്ചു.

അവലോകനത്തിലുള്ള കോഡ് ഒരു റഫറൻസ് ഡിസിഷൻ ട്രീയിൽ പരിശോധിക്കുന്ന പാറ്റേണുകൾ തിരിച്ചറിയുന്നതിനുള്ള സമാനമായ ഒരു പ്രക്രിയയ്ക്ക് വിധേയമാകുന്നു. അയൽ ശാഖകളുമായുള്ള വലിയ പൊരുത്തക്കേടുകൾ പരിശോധിക്കുന്ന പാറ്റേണിലെ അപാകതയുടെ സാന്നിധ്യം സൂചിപ്പിക്കുന്നു. ടെംപ്ലേറ്റിലെ ഒരു പിശക് തിരിച്ചറിയാൻ മാത്രമല്ല, ഒരു തിരുത്തൽ നിർദ്ദേശിക്കാനും സിസ്റ്റം നിങ്ങളെ അനുവദിക്കുന്നു. ഉദാഹരണത്തിന്, OpenSSL കോഡിൽ, "(s1 == NULL) ∧ (s2 == NULL)" എന്ന നിർമ്മാണം തിരിച്ചറിഞ്ഞു, അത് 8 തവണ മാത്രം വാക്യഘടന ട്രീയിൽ പ്രത്യക്ഷപ്പെട്ടു, അതേസമയം "(s1 == മൂല്യമുള്ള ഏറ്റവും അടുത്തുള്ള ശാഖ NULL) || (s2 == NULL)” ഏകദേശം 7 ആയിരം തവണ സംഭവിച്ചു. സിസ്റ്റം "(s1 == NULL) | ഒരു അപാകതയും കണ്ടെത്തി (s2 == NULL)” ഇത് മരത്തിൽ 32 തവണ പ്രത്യക്ഷപ്പെട്ടു.

കോഡ് ശകലം വിശകലനം ചെയ്യുമ്പോൾ "if (x = 7) y = x;" സംഖ്യാ മൂല്യങ്ങൾ താരതമ്യം ചെയ്യാൻ "വേരിയബിൾ == നമ്പർ" നിർമ്മാണം സാധാരണയായി "if" ഓപ്പറേറ്ററിൽ ഉപയോഗിക്കുമെന്ന് സിസ്റ്റം നിർണ്ണയിച്ചു, അതിനാൽ "if" എക്‌സ്‌പ്രഷനിലെ "വേരിയബിൾ = നമ്പർ" എന്ന സൂചന ഒരു കാരണത്താൽ ഉണ്ടാകാൻ സാധ്യതയുണ്ട്. അക്ഷരത്തെറ്റ്. പരമ്പരാഗത സ്റ്റാറ്റിക് അനലൈസറുകൾ അത്തരമൊരു പിശക് പിടിക്കുമായിരുന്നു, എന്നാൽ അവയിൽ നിന്ന് വ്യത്യസ്തമായി, കൺട്രോൾ ഫ്ലാഗ് റെഡിമെയ്ഡ് നിയമങ്ങൾ പ്രയോഗിക്കുന്നില്ല, അതിൽ സാധ്യമായ എല്ലാ ഓപ്ഷനുകളും നൽകുന്നത് ബുദ്ധിമുട്ടാണ്, പക്ഷേ വലിയ അളവിൽ വിവിധ ഘടനകളുടെ ഉപയോഗത്തിന്റെ സ്ഥിതിവിവരക്കണക്കുകളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. പദ്ധതികളുടെ.

ഒരു പരീക്ഷണമെന്ന നിലയിൽ, ഉയർന്ന നിലവാരമുള്ളതും പരീക്ഷിച്ചതുമായ കോഡിന്റെ ഉദാഹരണമായി പലപ്പോഴും ഉദ്ധരിക്കപ്പെടുന്ന cURL യൂട്ടിലിറ്റിയുടെ സോഴ്സ് കോഡിൽ ControlFlag ഉപയോഗിക്കുന്നത്, "s->keepon" എന്ന ഘടനാ ഘടകം ഉപയോഗിക്കുമ്പോൾ സ്റ്റാറ്റിക് അനലൈസറുകൾ കണ്ടെത്താത്ത ഒരു പിശക് തിരിച്ചറിഞ്ഞു, ഒരു സംഖ്യാ തരം ഉണ്ടായിരുന്നു, എന്നാൽ ബൂളിയൻ മൂല്യവുമായി താരതമ്യം ചെയ്തു TRUE . OpenSSL കോഡിൽ, "(s1 == NULL) ∧ (s2 == NULL)" എന്നതിലെ മുകളിൽ പറഞ്ഞ പ്രശ്നത്തിന് പുറമേ, "(-2 == rv)" എന്ന പദപ്രയോഗത്തിലും അപാകതകൾ തിരിച്ചറിഞ്ഞിട്ടുണ്ട് (മൈനസ് അക്ഷരത്തെറ്റ്) കൂടാതെ "BIO_puts(bp, ":")

അവലംബം: opennet.ru