Intel heeft de release van ControlFlag 1.2 aangekondigd, een toolkit die fouten en anomalieƫn in broncodes kan detecteren met behulp van een machine learning-systeem dat is getraind op een grote hoeveelheid bestaande code. In tegenstelling tot traditionele statische analysers maakt ControlFlag geen gebruik van vooraf gedefinieerde regels waarin moeilijk alle mogelijke varianten kunnen worden voorzien, maar baseert het zich op statistieken van het gebruik van verschillende taalkonstrukten in een groot aantal bestaande projecten. De code van ControlFlag is geschreven in C++ en is open onder de MIT-licentie.
De nieuwe release is opmerkelijk vanwege de implementatie van volledige ondersteuning voor het detecteren van anomalieƫn en leren op basis van sjablonen in code voor de programmeertaal C++. In eerdere versies was dergelijke ondersteuning beschikbaar voor de talen C en PHP. Het systeem is geschikt voor het identificeren van verschillende soorten problemen in de code, van het opsporen van typfouten en onjuiste typecombinaties tot het detecteren van anomalieƫn in 'if'-voorwaardelijke uitspraken en gemiste NULL-controles in pointers. Het systeem leert door een statistisch model op te bouwen van de bestaande code uit open source-projecten in C, C++ en PHP, gepubliceerd op GitHub en vergelijkbare publieke repositories.
Tijdens de leerfase definieert het systeem typische sjablonen voor codeconstructies en bouwt het een syntactische boom van relaties tussen deze sjablonen, die de stroom van de code-uitvoering in het programma weerspiegelt. Uiteindelijk wordt er een referentie-besluitvormingsboom gevormd die de ontwikkelingservaring van alle geanalyseerde broncodes combineert. Voor de te controleren code wordt een soortgelijk proces uitgevoerd voor het bepalen van sjablonen, die worden vergeleken met de referentie-besluitvormingsboom. Grote afwijkingen van naburige takken duiden op anomalieƫn in het te controleren sjabloon.
Bron: opennet.ru
