张明亮

(青海民族大学，青海 西宁 810007)

随着静态软件的广泛应用，采用静态软件进行嵌入式控制和信息处理加工，能够提高信息化系统管理能力，但是在静态软件应用过程中，容易受到软件运行环境因素的影响，运行过程中暴露出诸多缺陷。为了进一步明确这些缺陷，提升软件的综合性能，需要分析静态软件缺陷特征，实现静态软件缺陷检测，提高静态软件的输出可靠性，相关的静态软件缺陷检测方法的研究受到人们的极大关注[1]。对静态软件的源文件可疑度缺陷检测是建立在对软件的特征分析基础上[2]，因此本文提出基于源文件可疑度的静态软件缺陷检测方法。采用模糊信息特征聚类分析方法进行静态软件缺陷的特征分析，构建软件缺陷融合调度模型，得到静态软件源文件可疑度输出特征量，采用源文件可疑度特征分析算法进行静态软件缺陷检测的自适应寻优。最后进行仿真测试分析，得出有效性结论。

1 静态软件缺陷特征提取和缺陷融合调度

1.1 静态软件缺陷特征提取

假设软件的缺陷特征分布采样时间间隔为d，采用射频RFID识别的方法[3]，建立静态软件缺陷源文件可疑度特征分析模型为：

(1)

其中，si(t)为静态软件缺陷源文件可疑度第i个输出基础单元信息，xm(t)为源文件可疑度特征分布集，采用高阶统计特征分析方法，进行源文件可疑度检测，得到属性分布集为：

(2)

上式中，θi(t)表示静态软件缺陷检测的属性特征，静态软件缺陷分布的扩展宽度为Ts，在射频传感模式下，进行静态软件缺陷信息挖掘，在第i个阵元中，静态软件缺陷分布的时域和频域分量分别为：

(3)

(4)

其中，P为静态软件缺陷分布模型的扩展宽度，I为静态软件源文件可疑度缺陷的属性类别数量。

对采集的静态软件源文件可疑度特征进行融合处理[4]，以融合处理时间间隔为Δt为尺度，得到静态软件源文件可疑度特征分布谱密度函数为：

(5)

对静态软件缺陷特征集进行特征分离，|S|与M具有同态衰减性，一般取值为1，由此得到静态软件源文件可疑度辨识模型式为：

(1)当α≠D.π时

(6)

(2)当α=2D.π时

Xα(m)=x(m)

(7)

(3)当α=(2D+1).π时

Xα(m)=x(-m)

(8)

式中：

(9)

上列各式中，D为静态软件源文件可疑度特征分布集维数。基于上述分析，建立静态软件缺陷大数据挖掘模型，根据大数据分布进行静态软件缺陷检测[5]。

1.2 缺陷融合调度

采用输出软件源文件完整性控制方法进行静态软件缺陷调度，提取静态软件缺陷模糊度特征量[6]，静态软件源文件可疑度统计特征量为x(t)，时频变换输出为：

(10)

式中，p为静态软件源文件可疑度变换的阶，为一实数，假设静态软件源文件的偏移量为α=pπ/2。Fα[·]表示为变换算子，Kp(t,u)是静态软件缺陷信息的核函数，对于静态软件缺陷分布统计特征量进行扩频处理，描述为：

(11)

式中，n表示扩频系数。根据上述分析，采用静态软件源文件可疑度自适应扩频技术，进行静态软件缺陷分布统计分析[7]，建立静态软件缺陷分布统计模型为：

(12)

式中τ'为统计特征量的延迟变量。将实序列s(t)转换为复信号模型w(t)，采用模块化检测方法[8]，得到静态软件源文件可疑度分布的阶数为：

(13)

式中，“*”表示复共轭，采用模糊关联规则调度，进行静态软件缺陷特征调度输出为：

z(t)=s(t)+jx(t)+w(t)

(14)

结合频域变换的方法，构建静态软件缺陷融合调度模型[9-10]，输出为：

r(t)=a(t)ejφ(t)

(15)

其中：

(16)

2 静态软件缺陷检测优化

2.1 源文件可疑度检测

(17)

上式中，〈x(n)〉表示静态软件缺陷分布统计特征量的离散频域均值，即：

(18)

采用模糊控制方法，进行软件可靠性分块分析，结果为：

(19)

建立静态软件缺陷抑制模型，得到：

(20)

式中，γ为静态软件缺陷分布统计特征量的联合分布尺度特征量，输出特征量的码元序列，当满足M=N，那么静态软件缺陷尺度特征量为：

X=Fα·x

(21)

式中：

X=[Xα(0),Xα(1),…,Xα(N-1)]T

(22)

x=[xα(0),xα(1),…,xα(N-1)]T

(23)

为了提高静态软件缺陷分布统计特征量的频域聚焦能力，结合频谱特征分离方法进行静态软件缺陷分布统计分析和信息融合，得到源文件可疑度检测输出为：

(24)

2.2 静态软件缺陷检测的自适应寻优

采用源文件可疑度特征分析算法进行静态软件缺陷检测的自适应寻优，根据静态软件缺陷的规则性分布实现缺陷检测，建立静态软件缺陷检测的特征分布矩阵为：

(25)

其中：wiN为第i个点的静态软件缺陷检测的全局加权值，构建静态软件缺陷辨识模型，根据辨识结果进行静态软件缺陷定位，静态软件缺陷定位的自适应加权系数为：

(26)

其中，maxlFreqi,j表示静态软件缺陷的模糊度辨识特征量为：

(27)

式中，

wi,j=tfi,j×Idfi

(28)

采用源文件可疑度特征分析算法进行静态软件缺陷检测的自适应寻优，得到静态软件缺陷定位输出计算式为：

(29)

其中，di和dj为静态软件缺陷的相似度属性，采用层次化演化聚类方法进行静态软件缺陷分析，根据静态软件缺陷的规则性分布实现缺陷检测，输出为：

P(K=T|R=1)

(30)

其中：

(31)

(32)

(33)

式中，NB为特征分布的维数，NS为模糊域S中的模糊度特征量。

3 仿真测试分析

为了验证本文方法在实现进行静态软件缺陷检测中的应用性能，进行仿真测试分析，静态软件缺陷的源文件分布统计的节点数为1200，源文件的可疑度检测的嵌入维数为m0=0.9，静态软件缺陷检测频率为fs=20KHz，缺陷属性分布的阶数为4，根据上述仿真参数设定，进行静态软件缺陷检测，得到静态软件的源文件缺陷分布的统计特征量如图1所示。

图1 静态软件的源文件缺陷分布的统计特征量

以图1的静态软件的源文件缺陷分布的统计特征量为研究对象，进行静态软件缺陷检测，构建静态软件缺陷融合性调度模型，得到静态软件源文件可疑度输出特征量，如图2所示。

图2 静态软件源文件可疑度输出特征量

分析图2得知，本文方法能有效实现静态软件缺陷的规则性分布检测，得到缺陷定位结果如图3所示。

图3 缺陷定位结果

分析图3得知，本文方法能有效实现静态软件缺陷检测，缺陷定位精度较高，测试缺陷检测的准确概率，得到结果见表1。

表1 检测准确性对比

分析表1得知，本文方法进行静态软件缺陷检测的准确性较高。

结语

本文提出基于源文件可疑度的静态软件缺陷检测方法。建立静态软件缺陷源文件可疑度特征分析模型，提取静态软件缺陷模糊度特征量，构建静态软件缺陷融合性调度模型，得到静态软件源文件可疑度输出特征量，提取静态软件缺陷的关联特征值，采用源文件可疑度特征分析算法进行静态软件缺陷检测的自适应寻优，根据静态软件缺陷的规则性分布实现静态软件缺陷检测优化。分析得知，本文方法具有较高的静态软件缺陷检测的准确性，提高了静态软件缺陷自动检测能力，具有很高的应用价值。