深度学习方法在软件分析中的应用

计算机工程与科学

深度学习方法在软件分析中的应用

张献，贲可荣

（海军工程大学电子工程学院,湖北武汉 430033）

收稿日期:2017-07-11 修回日期:2017-09-13 出版日期:2017-12-25 发布日期:2017-12-25
基金资助:
国防973项目

Application of deep learning methods in software analysis

ZHANG Xian，BEN Ke-rong

（School of Electronic Engineering,Naval University of Engineering,Wuhan 430033,China）

Received:2017-07-11 Revised:2017-09-13 Online:2017-12-25 Published:2017-12-25

摘要/Abstract

摘要：

大数据时代下迅速兴起的深度学习已在计算机视觉等多个领域取得了重大进展。近年来，随着软件制品的积累，这一方法也开始在软件工程领域发挥重要作用。概述了利用深度学习处理不同软件分析任务的研究进展，总结了主要研究方向和应用特点。目前已有一批重要成果发表，相关研究热度呈现上升趋势。最后探讨了现有深度学习技术在应用时的一些局限性与问题。

关键词: 软件工程, 软件分析, 软件制品, 机器学习, 深度学习, 大数据

Abstract:

In the big data era, the rapid rise of deep learning has made great progress in many fields, such as computer vision. In recent years, with the accumulation of software artifacts, deep learning has begun to play an important role in software engineering domain. We review recent advances of deep learning methods in software analysis, summarize major research interests and application features. A batch of important results has been published, and related research shows an upward trend. In the end, limitations and problems in the application of deep learning methods are discussed.

Key words: software engineering, software analysis, software artifacts, machine learning, deep learning, big data

张献，贲可荣.

深度学习方法在软件分析中的应用

[J]. 计算机工程与科学.

ZHANG Xian，BEN Ke-rong. Application of deep learning methods in software analysis[J]. Computer Engineering & Science.

[1]	陈侨安1，李峰1，曹越1，龙明盛1,2. 基于运行数据分析的Spark任务参数优化[J]. J4, 20160101, 38(01): 11-19.
[2]	罗婧, 叶志晟, 杨泽华, 傅天豪, 魏雄, 汪小林, 罗英伟, . 研发类GPU集群任务数据集的构建及分析[J]. 计算机工程与科学, 2024, 46(12): 2128-2137.
[3]	敬超, 闭玉申. 面向深度学习作业的干扰感知在线调度算法研究[J]. 计算机工程与科学, 2024, 46(12): 2138-2148.
[4]	陈磊, 梁正友, 孙宇, 蔡俊民. 多尺度特征融合的移动端单目深度估计研究[J]. 计算机工程与科学, 2024, 46(09): 1616-1524.
[5]	刘强, 李沐春, 伍晓洁, 王煜恒. S-JSMA：一种低扰动冗余的快速JSMA对抗样本生成方法[J]. 计算机工程与科学, 2024, 46(08): 1395-1402.
[6]	温鑫, 曾焘, 李春波, 徐子晨. 面向服务器无感计算的模型推理服务切换方法研究[J]. 计算机工程与科学, 2024, 46(07): 1210-1217.
[7]	丁建平, 李卫军, 刘雪洋, 陈旭. 命名实体识别研究综述[J]. 计算机工程与科学, 2024, 46(07): 1296-1310.
[8]	黄智慧, 肖祥立, 张玉书, 薛明富. 基于隐形后门水印的开源数据集版权保护[J]. 计算机工程与科学, 2024, 46(06): 1013-1021.
[9]	胡昭华, 王长富, . 改进Faster R-CNN的遥感图像小目标检测算法[J]. 计算机工程与科学, 2024, 46(06): 1063-1071.
[10]	钟权, 陈志广, 高蓝光. EMRI-Tree：面向多分辨率可视化的层次式数据结构[J]. 计算机工程与科学, 2024, 46(05): 776-784.
[11]	谭郁松, 王伟, 蹇松雷, 易超雄. 基于异常保持的弱监督学习网络入侵检测模型[J]. 计算机工程与科学, 2024, 46(05): 801-809.
[12]	高珊, 李世杰, 蔡志平. 基于深度学习的中文文本分类综述[J]. 计算机工程与科学, 2024, 46(04): 684-692.
[13]	黄鹏程, 冯超超, 马驰远, . 未知工艺角下时序违反的机器学习预测[J]. 计算机工程与科学, 2024, 46(03): 395-399.
[14]	李扬, 尹大鹏, 马自强, 姚梓豪, 魏良根, . 结合决策树和AdaBoost的缓存侧信道攻击检测[J]. 计算机工程与科学, 2024, 46(03): 440-452.
[15]	罗月童, 李超, 周波, 张延孔. 面向工业缺陷分类的交互式易混淆缺陷分离方法研究[J]. 计算机工程与科学, 2024, 46(03): 463-470.