一種基于關聯規則的網絡軟件缺陷預測方法

胡 柳，鄧 杰，趙正偉，李 瑞

(1. 湖南信息職業技術學院 計算機工程學院，湖南 長沙 410200； 2.廣西民族大學 信息科學與工程學院，廣西 南寧 530006；3. 河北省眼科醫院 信息科，河北 邢臺 054000)

0 引言

隨著信息技術和網絡技術的發展，軟件復雜程度不斷提高，軟件規模由單一的本地軟件逐漸演化成為網絡化軟件，軟件缺陷影響著人們生活的方方面面。良好的軟件缺陷控制和預測機制可以幫助企業開發出高質量的軟件產品，防止軟件因系統缺陷而導致的嚴重后果，降低軟件維護成本，并提高客戶滿意度。因此，軟件開發過程和軟件質量越來越受到重視，如何預測網絡化軟件系統缺陷成為當前研究的熱點領域。

目前，國內外軟件缺陷研究領域相關學者進行了深入的研究并取得了一系列的成果。主流的方法有基于統計分析學方法、基于神經網絡的軟件缺陷預測模型等。傅藝綺等人[1]提出了一種基于組合機器學習算法的軟件缺陷預測模型，利用機器學習算法在不同評價指標上的不同優勢，結合stacking集成學習方法提出將不同預測算法的預測結果作為軟件度量并進行再次預測。熊婧等人[2]將Adaboost算法原理通過訓練多個弱分類器構成一個更強的級聯分類器，通過采用美國國家航空航天局(NASA)的軟件缺陷數據庫進行仿真實驗，有效地提高了軟件缺陷預測模型的預測性能。程銘等人[3]提出一種加權貝葉斯遷移學習算法，通過收集訓練數據和測試數據的特征信息并計算特征差異，將不同項目數據之間差異轉化為訓練數據權重，并建立預測模型，在8個開源項目數據集上進行實驗。張德平等人[4]借鑒Granger檢驗思想，利用GMDH網絡選擇與軟件失效具有因果關系的度量指標，建立軟件缺陷預測模型，并通過兩組真實軟件失效數據集，將所提出的方法與其他方法進行比較分析。馬振宇等人[5]在BP算法建立模型的基礎上，使用SC-PSO算法優化BP的參數值，通過十折交叉的方法對結果展開分析，結果表明該方法對軟件缺陷預測有更大的幫助。

在軟件缺陷預測研究中，針對軟件缺陷數據具有代價敏感性且軟件度量取值為連續值的特點，李偉湋等人[6]提出基于領域三支決策粗糙集模型的軟件缺陷預測方法。針對軟件代碼背后隱藏的不同技術方面和主題問題導致的軟件缺陷，張澤濤等人[7]提出一種基于主題模型的軟件缺陷預測技術。針對軟件可靠性預測模型在現實環境中的應用問題，李東林等人[8]對軟件可靠性數據預處理進行了研究，蔣永輝等人[9]提出了軟件過程的軟件可靠性預測運作模型。

針對網絡化軟件缺陷預測中缺陷之間的顯性關聯關系和隱性關聯關系，本文提出一種基于關聯規則的網絡軟件缺陷預測方法。關聯規則算法廣泛應用于商業、網絡安全及移動通信領域，通過對數據的關聯性進行分析和挖掘，開展決策過程。本文將結合NASA的軟件缺陷數據庫進行仿真實驗。

1 網絡軟件缺陷預測

1.1 網絡軟件缺陷預測存在的問題

網絡軟件缺陷預測中，由于數據分布、數據特征和軟件質量等問題導致預測算法或模型難以在現實軟件中進行有效的預測，而網絡軟件測試過程的數據包括有效數據樣本和失效數據樣本，在網絡軟件缺陷預測中如何有效利用失效數據進行預測才是重點。

目前，軟件缺陷預測用到的主要方法和技術有神經網絡算法、貝葉斯網絡、機器學習法、支持向量機、主題模型及遷移學習等。研究者利用這些方法進行了軟件缺陷預測模型的設計，并取得了較好的效果。但這些傳統的算法模型并未全面考慮影響軟件質量和可靠性的各項不確定性因素，未能很好地描述軟件內部的缺陷。為了尋求最佳的預測效果，在有效數據和失效數據的獲取過程中應從軟件靜態和動態兩方面同時獲取，使得其樣本數據總量能最大限度地支持精細化預測，降低預測偏差。因此，本文在基于關聯規則的基礎上，采用關聯規則算法對網絡化軟件缺陷預測方法進行分析與建模，以尋求獲取較好的缺陷預測結果。

1.2 網絡軟件缺陷預測架構

網絡軟件缺陷預測模型的架構分為缺陷數據采集、缺陷數據預處理、引入預測算法、預測模型構建或訓練、預測模型測試與驗證五個部分，其模型框架如圖1所示。

圖1 網絡軟件缺陷預測架構

通過對目標軟件的源代碼或缺陷軟件數據庫中的樣本進行采集，采用歸一化、消零、權重處理、去重等數據預處理操作，引入關聯規則算法對樣本數據進行有效性計算，并生成預測模型，在算法中不斷嘗試參數值以獲取最優的結果，最后對軟件模塊進行缺陷預測。

2 關聯規則及關聯分類器

2.1 關聯分類法

關聯分類法(CBA)結合了分類規則和關聯規則的挖掘，支持將非監督學習方法用于監督分類，其任務是挖掘出用于區分實例類的關聯規則，即分類的關聯規則(CARs)。CARs能夠反映出數據的描述性關聯特性和可用于分類的特征。如關聯規則X=>Y，其中X為前置事件，表示數據描述性關聯規則，Y為后置事件，表示分類特征。如“respect>0.5127 or avg>0.2563=>result=1”中，前置事件為“respect>0.5127 or avg>0.2563”，后置事件為“result=1”。

CBA的基本過程為：

(1)數據的離散化處理。

(2)獲取關聯分類規則CARs。

(3)采用分類器構建算法構造分類器。

(4)利用構造的分類器開展實驗研究。

2.2 關聯規則生成算法

關聯規則的生成算法可融入Apriori算法或FP-Tree算法，生成一系列由置信度c和支持度s的規則集合，前置的相關定理如下：

定理1 設X，Y是數據集中的項目集，如果X∈Y，則s(X)≥s(Y)，且Y為大項目集時，X也為大項目集。其中s表示支持度。

定理2 強規則X=>Y對應的項目集(X∪Y)也一定是大項目集。

定理3 若R為大項目集，ē和e為其子集，ē∈e∈Y，則c(ē=>(L—ē))≤c(e=>(L—e))。其中c表示置信度。

關聯規則的生成算法如下：

While所有k個項目的大項目集Lk(k≥2)

Hi={lastrs(Lk)}

Call fn{Lk,Hi}

I++

Wend

Procedure fn(Lk:k個項目的大項目集,Hm:m個項目的結論集)

Whilehm+1∈Hm+1

C=s(lk)/s(lk-hm+1)

Ifc≥mincthen

Print rule(lk-hm+1)=>hm+1，置信度=c，支持度=s(lk)

Else

Delhm+1

End if

Wend

通過遍歷大項目集中的數據記錄，對每一個記錄進行關聯規則的計算，最終形成結論集rule，以用于后期的分類關聯規則生成。

2.3 分類器的構建

對于2.2節所得到的結論集，需要選擇最小誤差規則來構建分類器，如果某兩條記錄值的置信度c和支持度s符合下述條件：{c(a)>c(b)}或c(a)=c(b) ands(a)>s(b)或c(a)=c(b) ands(a)=s(b) andt(a)>t(b)}，其中t(a)為記錄產生的時間，則稱a的優先級大于b。分類器的構建采用優先級較高的覆蓋原有的數據集。

分類器構建算法步驟：

(1)將規則集中的規則按優先級排序，sort(Lk)。

(2)選擇滿足條件的規則集構建分類器，crea(Li∈Lk)，其中Li滿足優先級較高的條件。

(3)移除噪聲記錄clear(Li)，參數Li指對提高分類精度無作用的記錄。

3 實驗過程

3.1 實驗準備

為了驗證基于關聯規則及其算法在網絡化軟件缺陷預測中的應用有效性，缺陷數據集選用NASA的軟件質量度量數據庫。該數據庫的數據集通過采集實際軟件項目中的代碼和運行質量過程而得到，每一條樣本記錄對應于軟件功能模塊的內部指標屬性值。目前，多數軟件缺陷預測模型使用該數據庫，且對記錄集進行了人工層面的篩選，以獲取最優的預測效果。

實驗環境為雙核2.8 GHz CPU，內存4 GB，操作系統為Windows 7，平臺軟件為Eclipse 3.4、MATLAB 7.0。

通過對NASA的軟件質量度量數據庫記錄進行有效性選擇后，樣本數據如表1所示。

表1 樣本數據集

3.2 評價標準

對于分類模型，本文采用傳統的分類器性能評價指標：精確度、召回率和平均F值。指標設計為基于二分類數據集的混合矩陣，如表2所示。

表2 指標混合矩陣

精確度表示預測正確的樣本量與總樣本的百分比，召回率表示預測正樣本量與實際正樣本量的百分比。

精確度：p=TP/(TP+FP)×100%

(1)

召回率：r=TP/(TP+FN)×100%

(2)

平均F值：F=(2×p×r)/(p+r)

(3)

3.3 實驗結果與分析

本文采用隨機選擇方法采集NASA軟件缺陷質量數據庫中樣本記錄，共選取14 258個樣本數據進行關聯規則生成及分類規則生成、11 987個樣本數據進行實驗分類，以驗證本文在網絡化軟件缺陷預測中的有效性，并與現有的BP神經網絡法進行對比。關聯規則算法直接利用Apriori算法進行數據挖掘及分類，依據支持度得出所有頻繁項集，然后根據置信度產生關聯規則，選擇最小誤差規則構建關聯規則分類器，并對11 987個樣本數據進行實驗分類。

實驗步驟如下：

(1)為了獲取樣本記錄數據，采用隨機方法對樣本庫中的記錄進行提取。

(3)利用Apriori算法獲取關聯分類規則CARs。

(4)采用分類器構建算法構造分類器。

(5)實驗分類。

為了獲取構造分類器和實際分類時所消耗的時間，在程序設計中引入毫秒級時間記錄量，采用關聯規則方法對軟件質量缺陷進行分類的結果如表3所示。

表3 基于關聯規則的網絡軟件缺陷分析結果

從缺陷結果分析中可以發現，基于關聯規則的網絡軟件缺陷預測方法在精確度和召回率上比傳統的神經網絡法略高，值得注意的是對于JM1、KC1、PC1等缺陷模塊在精確度上比傳統方法低，對于不同的樣本選擇和分類算法，在建立過程和統計上都存在一定的差異。

4 結論

本文提出了一種基于關聯規則的網絡軟件缺陷預測方法，同時結合傳統的神經網絡方法對NASA軟件缺陷數據庫樣本進行預測。從實驗結果分析可以看出，在通用的缺陷預測條件下，關聯規則法能有效提升預測的精確度，同時在召回率上也有一定的優勢。本文創新地將關聯規則方法應用于網絡化軟件缺陷預測中。由于樣本數據選取的多樣性，對軟件缺陷的預測還需要有更多的分析模型進行全面的評估，以提高軟件的質量。

參考文獻

[1] 傅藝綺,董威,尹良澤，等.基于組合機器學習算法的軟件缺陷預測模型[J].計算機研究與發展,2017,53(3):633-641.

[2] 熊婧,高巖,王雅瑜. 基于adaboost算法的軟件缺陷預測模型[J].計算機科學,2016,43(7):186-190.

[3] 程銘,母國慶,袁夢霆. 基于遷移學習的軟件缺陷預測[J].電子學報,2016,44(1):115-122.

[4] 張德平,劉國強,張柯. 基于GMDH因果關系的軟件缺陷預測模型[J].計算機科學,2016,43(7):171-176.

[5] 馬振宇,張威,畢學軍,等. 基于優化PSO-BP算法的軟件缺陷預測模型[J].計算機工程與設計,2016,37(2):413-417.

[6] 李偉湋,郭鴻昌.基于鄰域三支決策粗糙集模型的軟件缺陷預測方法[J].數據采集與處理,2017,32(1):166-174.

[7] 張澤濤,葉立軍,程偉,等.一種基于主題模型的軟件缺陷預測技術研究[J]計算機工程與科學,2016,38(5):932-937.

[8] 李東林,徐燕凌,蔣心怡.軟件可靠性數據預處理研究[J].電子技術應用,2010,36(8):153-156.

[9] 蔣永輝,吳洪麗,王政霞.基于軟件過程的軟件可靠性預測運作模型[J].微型機與應用,2010,29(6):3-6.