軟件安全在計(jì)算機(jī)系統(tǒng)中起著至關(guān)重要的作用,軟件失效可能會引起生命、財(cái)產(chǎn)的重大損失甚至更為嚴(yán)重的后果。系統(tǒng)失效可能有硬件故障、軟件故障、人為因素等多種誘因,但大多數(shù)失效是由軟件缺陷引發(fā)軟件故障產(chǎn)生的。用軟件缺陷預(yù)測模型來預(yù)測缺陷在軟件模塊中的分布情況,找出高風(fēng)險模塊,合理分配測試資源,調(diào)整質(zhì)量保證策略,是軟件可靠性與安全性工程領(lǐng)域研究的熱點(diǎn)問題。靜態(tài)軟件缺陷分布預(yù)測技術(shù)的研究涉及度量技術(shù)、機(jī)器學(xué)習(xí)技術(shù)、統(tǒng)計(jì)學(xué)習(xí)理論和數(shù)據(jù)挖掘技術(shù)�；跈C(jī)器學(xué)習(xí)的軟件缺陷分布預(yù)測的過程包含數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型評估、模型驗(yàn)證。構(gòu)造有效的分類模型是靜態(tài)軟件缺陷分布預(yù)測的核心。當(dāng)前,靜態(tài)軟件缺陷分布預(yù)測技術(shù)的研究方向主要有兩個:一是預(yù)測模型分類算法的選擇,另一個為預(yù)測模型數(shù)據(jù)預(yù)處理技術(shù)的研究。本文結(jié)合國防基礎(chǔ)科研計(jì)劃重點(diǎn)項(xiàng)目《XXXX發(fā)現(xiàn)技術(shù)應(yīng)用》的研究內(nèi)容,重點(diǎn)關(guān)注特定分類器下預(yù)測模型的數(shù)據(jù)預(yù)處理技術(shù),進(jìn)行軟件缺陷分布預(yù)測系統(tǒng)關(guān)鍵技術(shù)研究。主要的研究工作如下:（1）軟件規(guī)模不斷擴(kuò)大,多度量元帶來“維數(shù)災(zāi)難”問題,過多屬性度量引起數(shù)據(jù)冗余,從而導(dǎo)致軟件缺陷分布預(yù)測精度降低。針對此問題,本文提出在軟件缺陷預(yù)測... 

【文章來源】：北京理工大學(xué)北京市 211工程院校 985工程院校

【文章頁數(shù)】：117 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 軟件缺陷預(yù)測技術(shù)分類
    1.3 靜態(tài)軟件缺陷分布預(yù)測
        1.3.1 軟件缺陷分布預(yù)測原理
        1.3.2 軟件缺陷分布預(yù)測過程
        1.3.3 缺陷分布預(yù)測模型評價
        1.3.4 缺陷預(yù)測的驗(yàn)證數(shù)據(jù)集
    1.4 國內(nèi)外研究現(xiàn)狀及分析
        1.4.1 度量數(shù)據(jù)預(yù)處理研究現(xiàn)狀
        1.4.2 基礎(chǔ)分類器選擇研究現(xiàn)狀
        1.4.3 現(xiàn)有研究工作不足與改進(jìn)
    1.5 研究內(nèi)容及貢獻(xiàn)
    1.6 論文的組織結(jié)構(gòu)
第2章 LLE-SVM缺陷分布預(yù)測模型
    2.1 引言
    2.2 預(yù)測模型概述
    2.3 LLE數(shù)據(jù)降維
    2.4 SVM缺陷預(yù)測
        2.4.1 分類超平面
        2.4.2 核函數(shù)選擇
        2.4.3 SVM分類
    2.5 LLE-SVM參數(shù)選擇
        2.5.1 LLE參數(shù)選擇
        2.5.2 SVM參數(shù)選擇
    2.6 仿真實(shí)驗(yàn)及結(jié)果分析
        2.6.1 實(shí)驗(yàn)數(shù)據(jù)集
        2.6.2 模型驗(yàn)證仿真實(shí)驗(yàn)
        2.6.3 實(shí)驗(yàn)結(jié)果及分析
    2.7 本章小結(jié)
第3章 IGA-SVM缺陷分布預(yù)測模型
    3.1 引言
    3.2 改進(jìn)的遺傳算法（IGA）
        3.2.1 遺傳算法
        3.2.2 IGA算法流程
        3.2.3 概率調(diào)節(jié)方法
    3.3 SVM缺陷預(yù)測
    3.4 參數(shù)優(yōu)化和度量元屬性選擇
        3.4.1 編碼方式
        3.4.2 適應(yīng)度評價
        3.4.3 遺傳操作參數(shù)選擇
        3.4.4 參數(shù)優(yōu)化和屬性選擇
    3.5 預(yù)測模型概述
    3.6 仿真實(shí)驗(yàn)及結(jié)果分析
        3.6.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.6.2 參數(shù)優(yōu)化和度量屬性選擇仿真實(shí)驗(yàn)
        3.6.3 模型驗(yàn)證仿真實(shí)驗(yàn)
    3.7 本章小結(jié)
第4章 JCUDA-BP缺陷分布預(yù)測模型
    4.1 引言
    4.2 BP缺陷預(yù)測
        4.2.1 BP算法
        4.2.2 BP分類預(yù)測
    4.3 JCUDA數(shù)據(jù)并行處理
    4.4 預(yù)測模型概述
    4.5 仿真實(shí)驗(yàn)及結(jié)果分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)集及實(shí)驗(yàn)參數(shù)
        4.5.2 實(shí)驗(yàn)環(huán)境
        4.5.3 實(shí)驗(yàn)結(jié)果及分析
    4.6 本章小結(jié)
第5章 軟件缺陷分布預(yù)測系統(tǒng)的設(shè)計(jì)與原型實(shí)現(xiàn)
    5.1 引言
    5.2 系統(tǒng)需求
        5.2.1 功能性需求
        5.2.2 非功能性需求
    5.3 系統(tǒng)設(shè)計(jì)與原型實(shí)現(xiàn)
        5.3.1 總體設(shè)計(jì)
        5.3.2 預(yù)測過程
    5.4 系統(tǒng)應(yīng)用
    5.5 本章小結(jié)
結(jié)論
    本文工作總結(jié)
    未來工作展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表論文與研究成果清單
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳優(yōu)化支持向量機(jī)的軟件缺陷預(yù)測模型[J]. 王男帥,薛靜鋒,胡昌振,單純,李志強(qiáng).  中國科技論文. 2015(02)
[2]基于流形學(xué)習(xí)的面向?qū)ο蟮能浖毕蓊A(yù)測模型[J]. 石陸魁,馬春娟,王靖鑫,周浩.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(11)
[3]代價敏感分類的軟件缺陷預(yù)測方法[J]. 李勇,黃志球,房丙午,王勇.  計(jì)算機(jī)科學(xué)與探索. 2014(12)
[4]結(jié)合欠抽樣與集成的軟件缺陷預(yù)測[J]. 李勇.  計(jì)算機(jī)應(yīng)用. 2014(08)
[5]基于SA-BP神經(jīng)網(wǎng)絡(luò)的軟件缺陷預(yù)測模型的研究[J]. 尹然,丁曉明,李小亮,梅瑩.  西南師范大學(xué)學(xué)報(自然科學(xué)版). 2013(08)
[6]應(yīng)用直線集合分割的軟件缺陷預(yù)測模型[J]. 包祎,王濤,裘國永.  計(jì)算機(jī)工程與應(yīng)用. 2013(14)
[7]統(tǒng)計(jì)策略序列模式挖掘及其在軟件缺陷預(yù)測中的應(yīng)用[J]. 唐磊,李春平,楊柳.  計(jì)算機(jī)科學(xué). 2013(05)
[8]基于PSO-BP的軟件缺陷預(yù)測模型[J]. 于安雷,皮德常.  計(jì)算機(jī)工程與應(yīng)用. 2013(07)
[9]基于Boosting的集成k-NN軟件缺陷預(yù)測方法[J]. 何亮,宋擒豹,沈鈞毅.  模式識別與人工智能. 2012(05)
[10]基于軟件信息庫挖掘的軟件缺陷預(yù)測方法[J]. 王輝,杜慶峰.  計(jì)算機(jī)工程與設(shè)計(jì). 2012(08)

博士論文
[1]需求驅(qū)動的軟件安全缺陷自動測試生成[D]. 程紹銀.中國科學(xué)技術(shù)大學(xué) 2009

碩士論文
[1]基于貝葉斯網(wǎng)絡(luò)的軟件缺陷預(yù)測管理系統(tǒng)[D]. 邵曄慷.上海交通大學(xué) 2008
[2]基于PCA的軟件缺陷預(yù)測方法研究[D]. 楊雪.河海大學(xué) 2006



本文編號：3199643