數據并行傳輸程序中代碼壞味檢測算法研究

于蕭榕，黃健榮

(江蘇科技大學計算機學院，江蘇 鎮江 212003)

1 引言

并行傳輸是指以分組的形式，通過多個并行信道同時傳輸數據。在傳輸過程中，多個數據一起在設備之間傳輸，并且一次可以傳輸一個字符，收發雙方不需要同步，控制方式簡單快捷。然而，并行傳輸需要多個物理信道，因此這種傳輸方式只適用于短距離、高傳輸速率的情況。程序中的代碼壞味是由設計缺陷或不良的編碼習慣引起的，它影響了軟件程序和結構代碼的質量[1]。針對代碼檢測問題，眾多學者作出研究，其中，文獻[2]探究壞味產生的影響以及壞味與軟件演化之間的關系，有助于開發者更好地在不同的項目中呈現出不同的特征，將計劃軟件開發過程和重構軟件代碼，并在8個Java項目共計104個版本中進行了系統的實證研究，但是其準確率尚未驗證。文獻[3]基于梯度提升樹，研究了惡意代碼分類方法，使模型結果行為序列具有可解釋性，客觀地反映惡意代碼的行為和意圖本質，解決變種惡意代碼、未知威脅行為惡意分析等問題，實現了智能惡意代碼分類功能，但其模型召回率較低，計算量較大。文獻[4]使用人工智能與機器學習技術，輔助軟件工程中的代碼編寫、糾錯、測試等具體工作在軟件開發過程中，提升軟件開發效率，進一步提升軟件開發過程的自動化，但是其輔助軟件工程信號處理環節尚不明確。

為此，本文提出一種基于數據并行傳輸程序中代碼壞味檢測算法研究，其關鍵在于利用貝葉斯網絡將最新的檢測規則轉化為概率模型，實現代碼壞味檢測，該檢測方法能夠有效的對代碼壞味進行準確、高效檢測。

2 數據并行傳輸程序分析

并行數據傳輸系統的原理是依靠相鄰通道，每個信道需要發送兩組獨立的數據序列，通過抑制載波幅度調制，分別調制成一對正交載波(頻率等于信道的中心頻率)，各組數據序列碼速是b/2，兩組序列在時間上面交錯為1/b。而相鄰信道則反向交錯，便于調制偶數信道上余弦載波數據的序列與調制奇數信道上正弦載波數據的序列同向，相反亦然。

具體并行數據的傳輸信號頻譜如圖1所示。

圖1 并行數據傳輸程序頻譜

如果全部的發送濾波器以及接收的濾波器都存在同樣濾波器特性F(ω)，并且它們受到相對信號碼速ω的限制，全存在奈奎斯特的滾降現象，所以可以得到公式為

F(ω)=0，|ω|≥πb

(1)

式中，F表示加窗方式。以及公式為

F2(ω)+F2(πb-ω)=1，0≤ω≤πb/2

(2)

而傳送信號公式為

(3)

式中：T=2/b表示f(t)反向傅里葉的變換，anm與bnm都是數據m或n的序列，f(t-nT)表示部分頻率的信號受到的較大時間系數t的抑制閾值T[5]。

由于系統的對稱性，與線性擴散傳輸介質相比，只需考慮一個子信道。無論是偶數信道、奇數信道、正弦信道還是余弦信道，它們的結果都是相等的。由于系統是線性的，失真可以由在每個子信道中傳輸的單個脈沖的響應來確定。

將傳輸媒質頻率的響應設為

H(ω)=A(ω)exp[jφ(ω)]

(4)

忽略任何恒定的時間延遲，如果沒有出現一般損失狀態，那么下面利用第k個信道余弦子的信道作為例子進行失真情況分析。

與子信道相比，需要考慮六個失真分量。它們是正交信道和同一信道產生的失真，以及相鄰比高低信道中串擾產生的失真[6]。

在子信道內單個脈沖進行傳輸時，具體的接收信號頻譜公式為

(5)

式中，ωk=ω0+kπb代表信道中心的頻率，此信號與2cosωkt相乘，且利用F(ω)濾波，生成頻率公式為

(6)

當t=t0時刻對此信號進行采樣，方便恢復數據。其失真被定義成在全部其它采樣時刻的信號絕對值總和nT以及中心采樣的時刻信號幅度r1比值，具體公式為

D1=r1(t0+nT)

(7)

在這里為

(8)

式中，R1(ω)表示對稱子信道線性函數。當正交子信道中，對于單一脈沖接收的信號公式為

(9)

式中，出現相位因子的原因是脈沖時間偏移了半個信號周期。在經過2cosωkt調節和F(ω)濾波之后，傳輸至同相子載波采樣器信號的頻譜內，具體公式為

R2(ω)=F2(ω)[H(ω-ωk)-H(ω+ωk)]

(10)

此種干擾信號全部采樣值生成的失真公式為

(11)

基于相似原理，對源于第(k+1)與(k-1)個信道同相以及正交子信道干擾的分量進行分析，其中最相似的分量查找結果表示為

(12)

以及

(13)

以上式(12)和(13)和式(11)相同，所以，總失真即為此6個分量累加，具體公式為

(14)

至此，得到數據并行傳輸程序的具體描述和失真效應的分析[7]。

3 程序代碼壞味檢測算法

程序代碼壞味的檢測過程如圖2所示。

圖2 程度代碼壞味的檢測流程

如圖2所示，源代碼或源代碼度量定義可以用作輸入。在大多數檢測技術中，都使用從源代碼中提取的度量。

數據并行傳輸程序通常完成相同的功能模塊，而設計較差的程序也需要更多的代碼，這也導致代碼在不同的區域使用相同的語句來完成相同的事情。因此，重復代碼壞味會對程序設計產生非常嚴重的影響，重復的次數越多，修改程序的難度就越大。如果某個區域被修改，數據并行傳輸程序將變得更加困難，它將無法按預期運行。代碼臭味的定義沒有統一的標準，定義代碼臭味會因指標不同而產生不同的結果。程序的質量評價標準是以人為中心的，所以相對于一個班級是否有臭味，總會有一定程度的不確定性。貝葉斯方法可以將最新的檢測規則轉化為概率模型，具體的檢測結果將以概率的形式呈現出來，從而使一個類屬于不良品味度。

貝葉斯網絡是作為一個表示概率分布非周期性的圖表，此圖表內，每一個節點就代表一個隨機變量Xi，這兩個節點間的邊代表一個概率，此概率是父節點代表變量和子節點代表的變量間依賴程度度量。假設貝葉斯網絡內表示各個節點為Xi，只是某一些條件之下所獨立于父節點，各個節點Xi所關聯一個條件的概率表，此條件概率表代表全部概率分布的可能值[8]。

貝葉斯網絡的構建需要兩種信息：條件概率表和網絡結構，其中網絡結構由節點和節點之間的弧構成，條件概率可以利用歷史數據進行學習，其主要功能是描述每個節點的決策過程。

將貝葉斯分類器應用于貝葉斯網絡分類問題。程序代碼的異味檢測可以看作是一個分類問題。與給定類的檢測結果相比，只有一個輸出：C={smell，notasmell}，不過輸入是敘述類特征的向量。相對于各個分類的問題，檢測的結果會對應一個概率，此概率度量了檢測結果不確定的程度，在分類d維向量時，能夠決策類別c是概率最大類，具體公式為：

c=arg maxckp(ck|a1，…，ad)

(15)

式中，ck是覆蓋了C內全部類的集合，ai代表d維向量，通過具體度量值所構成的[9]。

針對壞味代碼在其它區域反復出現，但尚未修改問題，根據檢測規則構造貝葉斯網絡。具體過程分為兩個步驟：將檢測規則中的輸出變量轉換為具有概率分布輸入的節點；將檢測規則內的操作進行轉換，使其具有條件概率決策節點，具步驟如下所示：

1)輸入的屬性

相對于代碼壞味的檢測結構以及語義規則，它們的概率不是0即是1，而度量值，它的概率通過三組(高、中、低)進行計算，且要分析屬于各個組的度量值，以此來估算概率值，限制的組數通過三組簡化結果證明。在檢測的過程內，較高與較低的概率全指1，而其它值概率是經過自身計算的值以及附近的閾值相關距離獲取的[10]。

2)運算符設置

在不同檢測的規則內，合并信息存在兩種操作：并集以及交集。所有操作都能夠作為決策節點進行編碼至葉貝斯網絡內，此節點概率值能夠在已經證明的歷史數據內獲取。

3)輸出節點

通過壞味檢測出一個二元的結果，那么貝葉斯的就是輸出節點一個概率p，此概率p能夠依據重要程度完成對類排序[11]。

4)當數據經過分割和驗證后，應用貝葉斯網絡對模型進行修正。條件概率表描述了實際臭味的產生[12]。因此，貝葉斯網絡的結果通常比正則模型的結果更準確。

在決策過程中，決策與輸入之間沒有必然的聯系，決策會因噪聲而產生錯誤。利用歷史數據的學習概率表，將噪聲的影響降到最小。至此，實現代碼壞味檢測。

4 仿真證明

為了驗證本文壞味檢測算法的有效性，設準確率、召回率和度量值挖掘效果驗證代碼壞味檢測程度。

準確率是指在程序所檢測壞味時，真實的壞味比率。假設A是程序內所檢測出的壞味集合數量，那么B就是程序內真正的壞味集合數量，那么準確率(Precision)的具體計算公式為

(16)

式中：|A|表示集合A內元素個數。通過將新舊程序進行對比，清除程序功能的更改，把獲得的程序變化狀況，對舊程序清除壞味。把此種實際情況整理分析，可以獲得程序內真正的屬于壞味集合B。

召回率是指全部壞味內被檢測出比率。具體召回率(Recall)計算的公式為

(17)

度量值是信息挖掘效果評價體系中確定最優路由路徑的指標，可以有效測試決策過程中的貝葉斯網絡對類排序結果，度量值最小則程序內實際的壞味個數挖掘效果最優。同時，代碼壞味并不完全就是代碼錯誤，編碼正確并且可以實現全部預定功能程序內，代碼壞味依舊存在，不過存在這些壞味會在一定程度上影響程序的整體質量，主要體現在程序的質量設計，因此利用度量值體現壞味代碼模型定位效果即挖掘效果。

設需檢測程序代碼存在595個類，一共有3286個屬性與8012個方法，程序代碼的總行數會超出10萬行。

4.1 準確率

當程序得到且統計每個實體到類調用的數據，同時計算文獻[2]、文獻[3]、文獻[4]以及本文檢測方法的數值。在實體到其它某類距離比本類距離大時，通過計算r(x，B)>1，那么就認為出現壞味代碼。通過版本對比技術，程序內實際存在壞味具有300處。

四種方法具體檢測結果數據統計，如圖3所示。

圖3 不同方法壞味檢測結果統計

如圖3所示，其它方法所檢測到的最多代碼壞味具有290處，而本文方法檢測到的壞味為299處。和本文方法所檢測的壞味代碼大致相同。

4.2 召回率

理想模型下，代碼壞味只會在數據并行傳輸程序中表述一次，不存在單個重復的代碼壞味現象，以此為背景，進行不同方法的代碼壞味距離比檢測結果對比，具體對比結果如表1所示。

表1 不同方法的代碼壞味相同代碼壞味檢測結果

通過表1可知，其它方法的代碼壞味檢測結果與本文方法的壞味檢測所獲得的結果對比下，最多有2種是相同的代碼壞味。本文方法參與了距離率的計算后，致使權重的距離比要比1小，代碼壞味檢測為1。

4.3 度量值

不同方法的度量值對比結果如圖4所示。

圖4 不同方法的度量值對比結果

由圖4可知，本文方法在度量值對比過程中，可以具有較低的度量值，即對壞味代碼的定位路徑更近，效率更高，說明具有較高的魯棒性。

5 結束語

1)本文方法能夠很好的檢測出程序內的代碼，并且和其它檢測方法對比，本文方法檢測結果準確率提升了1.9%，而召回率提升6.1%，本文方法的檢測結果準確度要更高。

2)利用貝葉斯網絡將最新的檢測規則轉化為概率模型，并從源代碼中提取代碼壞味度量，度量值可以使壞味代碼的定位路徑更近，總體應用效率更高。

3)由于程序內的代碼壞味種類非常多，本文方法并不適用于所有的壞味代碼檢測，所謂未來本文需要進一步研究壞味代碼特性，爭取實現更優的壞味檢測。