一种基于关联分析与N-Gram的错误参数检测方法

来源：软件学报杂志2018年第8期北京时间：

作者：李超,刘辉

单位：李超，北京理工大学 计算机学院, 北京 10008111,刘辉，北京理工大学 计算机学院, 北京 10008102

摘要：为了检测软件系统中存在错误参数的函数调用，提出了一种基于关联分析和N-Gram语言模型的静态检测方法（ANiaD）.基于海量开源代码，构建了关联分析模型以挖掘参数间存在的强关联规则.针对参数间存在强关联规则的函数调用构建N-Gram语言模型.基于训练过的N-Gram模型，计算给定函数调用语句正确的概率.低概率的函数调用被报告为异常函数调用.基于10个开源Java项目对该方法进行实验验证.实验结果表明，该方法检测的查准率约43.40%，显著高于现有的基于相似度的检测方法（查准率25%）.

关键词：参数;异常检测;缺陷;语言模型;关联分析

基金资助：国家重点研发计划（2016YFB1000801）；国家自然科学基金（61472034，61772071，61690205）