大数据技术在静态软件缺陷检测系统设计中的应用论文

SCI论文（www.lunwensci.com）

　　摘 要：静态软件缺陷检测系统主要用来检测静态软件的缺陷问题, 传统的静态软件缺陷检测系统的检测时间周期很长, 不能确保整体检测的效果,为有效解决传统检测系统的问题,本文提出采用大数据技术设计新型的静态软件缺陷检测系统的建 议,通过系统软硬件的设计、数据无源输入节点的划分,使数据信息能够从接线端子到主控系统形成连接,构建数据采集的模 块、数据传导芯片,利用数据调配的方式、训练的方式和指令传达方式等有效进行静态软件的缺陷检测,与此同时,本文还采 用实验分析的方式进行缺陷检测系统应用效果的分析,认定所设计系统与传统系统相比检测信号的有效率高,可在短时间内完 成检测工作,检测的性能很强,具有一定推广价值。


　　【Abstract】： Static software defect detection system is mainly used to detect the defect of static software. The traditional static software defect detection system has a long detection period and cannot ensure the overall detection effect. In order to effectively solve the problem of the traditional detection system, this paper puts forward a proposal to design a new static software defect detection system using large data technology. Through the design of system software and hardware, the partition of data passive input nodes, make the data information form a connection from the connection terminal to the main control system, build the module of data collection, data conduction chip, and use the methods of data allocation, training and instruction transmission to effectively detect the defects of static software. At the same time, this paper also uses experimental analysis to analyze the application effect of the defect detection system, and confirms that the efficiency of the designed system is higher than that of the traditional system. The detection can be completed in a short time, and the performance of detection is very strong, which has a certain promotion value.

　　【Key words】： big data technology;design of static software defect detection system;application

　　0 引言

　　当前各种类型静态软件应用速率有所提升,但是在 实际发展期间可能会出现系统安全风险问题产生严重的 故障,科学合理设计静态软件的缺陷检测系统,能够准 确查找和识别静态软件内部缺陷问题,提出有效解决缺 陷问题的措施,促使静态软件的安全与稳定运行,而 大数据技术是目前较为先进的数据挖掘技术,将其应用 在静态软件缺陷检测系统中,能够充分发挥数据挖掘的作用和价值,加快缺陷检测的速度和速率,因此,建议 在静态软件缺陷检测系统设计过程中重点应用大数据技 术,完善和优化检测系统的软硬件功能,利用试验分析 的方式明确系统的应用效果,持续性进行缺陷检测系统 的改进和优化,为静态软件安全稳定运行夯实基础。


　　1 大数据技术在静态软件缺陷检测系统设计中的应用意义

　　传统静态软件缺陷检测系统主要是将代码原数据作 为基础,精确性进行系统和数据之间关系的处理,根据关系思路查询软件内部空间的存储容量,定期收集和处 理软件缺陷数据信息,虽然采用深度学习的智能化技术 构建静态软件缺陷检测系统,能够完善信息状态,最 快速度进行软件缺陷问题的检测和管理,但是在实践操 作期间,传统检测系统的信息整合性能很低,难以确保 系统操作的标准化水平,在试验操作的过程中不能准确 进行静态软件中心信息内部状况的分析,数据处理的性 能很低。而采用大数据技术设计静态软件检测系统,就 能够有效解决传统检测系统的问题,一方面,采用大数 据技术设计检测系统,有效进行系统硬件操作模式的调 整,采用硬件处理法则处理各类硬件信息,提升操作中 心数据的标准化水平,确保数据的及时获取和分析 ;另 一方面,大数据技术的应用,还能将硬件操作数据当做 基础合理设计检测系统的软件,对软件内部状况进行分 析,全面做出数据的分类,精准划分软件检测的区域, 有效完成系统设计的操作,改善静态软件缺陷检测系统 的现状,提升操作的水平。

　　2 大数据技术在静态软件缺陷检测系统设计中的应用措施

　　2.1 硬件设计

　　大数据技术属于存在范围非常广泛的数据处理技 术,目前,在各行各业中都有所应用,本文研究是以大 数据技术为基础设计静态软件缺陷检测系统,将大数据 技术规则当做是操作基础,全面改良检测系统中的硬件 操作模式,根据硬件的数据信息和性能准确进行操作模 块的划分。为确保检测系统精准提取静态软件缺陷的数 据信息,本文主要采用大数据技术,构建硬件的数据采 集模块,如图 1 所示。

　　数据采集模块中设计数据采集器设备,操作期间, 与 USB 接口连接,确保所采集的数据信息快速存储到 存储系统,与此同时,与文件协议相匹配,精准进行数 据动态的掌控,连接多个数据串口,对数据无缘输入节 点的状态进行划分,将数据从接线端子的部分连接到主 控系统,达到数据信息采集操作和存储操作的目的。完 成数据采集与存储后,需要进行数据信息的传输处理, 设计数据传输路径的同时,对传输通道进行拓展,避免 出现传输错误的问题,如图 2 所示,应合理设计传导 芯片,有效完成数据的传导,科学进行数据操作区域的 划分,利用导线接口将传导系统录入的数据连入检测系 统,利用中心磁卡进行数据匹配和过滤,所有传导数据 经过传导通道进入传导板,实时性进行传导,数据状态 的监控,以免出现信号干扰的问题。

　　2.2 软件设计

　　合理进行检测系统硬件设计后,能够减少操作的范围,减轻静态软件缺陷检测的难度,需合理进行检测系统软件的设计,在软件中采用大数据技术准确将静态软件缺陷检测数据状态反映出来,消除无关的数据,匹配软件系统相关的修改准则,对软件空间数据进行调配,按照公式明确数据调配的操作步骤,如式(1)所示 ：
　　公式(1)中的 Q 代表调配的系数,按照操作步骤 进行数据调配后,对软件缺陷问题的位置进行研究,集 中化进行区域位置的查找处理、检验处理,同时根据实 际情况分配缺陷检测的具体任务,自动化生成数据训练 模型, 设计训练模型的公式如式(2)所示 ：

　　公式(2) 中 h 代表的是数据训练参数指标, t 代表 的是数据训练范围指标,在此情况下从系统中获得数据训练参数,将其存储在操作通道内,可按照通道内数据 信息进行软件缺陷检测,提升缺陷问题的检出率、检测 工作的成功率。同时为了提升检测系统的操作的完善性 和优化性,对任务数据进行匹配,在检测操作期间设 计能够规范性传达系统执行命令的模式,主要公式如式(3)所示 ：

　　其中y 代表着命令传达的数据, W 代表着检测过程 中的执行度数据, h 代表着数据信息传达速率, b 代表 着匹配原则参数。通过命令传达模式的优化,能够提升 检测系统的标准化程度,预防出现静态软件检测的风险 问题,确保检测结果的精确性和准确度。

　　总而言之,采用大数据技术设计静态软件缺陷检测 系统中的软件和硬件,能够强化检测系统硬件设备、软 件装置和各类操作数据信息之间的联系,准确调整系统 的运行状态,使系统能够最高程度发挥缺陷检测功能, 快速识别、分析静态软件的缺陷问题,按照具体的问题 不断进行静态软件的优化和调整,提升静态软件的安全 性和稳定性 [1]。

　　2.3 试验分析

　　采用大数据技术设计静态软件缺陷检测系统,不仅 需要完善硬件的部分和软件的部分,还需在设计完成之 后全面进行系统的试验分析,评价评估系统数据操作方 面的可控性特点,准确分析系统的检测性能和功能,为 软件缺陷检测系统的完善和优化提供保障。

　　本次试验分析工作主要是评价分析以大数据技术为 基础静态软件缺陷检测系统设计的效果,分析检测系统 检测信号的接受率、检测工作时间周期,为精准进行检测 系统的试验分析,此次研究中选择不同的试验场景和参数, 分成不同的情况开展试验分析活动,系统化评估静态软 件缺陷检测系统运行的有效性,按照数据操作的情况开 展数据检验工作,研究不同类型数据操作的概率 [2]。

　　2.3.1 检测信号接收效果评估

　　将系统公开性的数据集合当做是此次试验分析的初 始处理数据信息内容,将缺陷的数据当做是样本训练数 据,对检测系统进行数据训练,动态化采集训练数据标 签,在接收系统操作标签的基础上,减小系统软件操作 的难度,确保系统操作的效果,有效进行内部操作性 能的改善和优化。完成部分操作样本数据的收集和采集 工作后,对样本数据内容进行标记处理,向信息库系统 输入非常有效的数据内容。在此之后选择数据集内部的 6 个源项目数据,当做是本次试验分析的初始管理数据 信息,选择相对应的 18 个缺陷数据,在内部系统集中 性存储,对数据中的源项目数据信息进行标记处理,从项目主页内采集收集具体的操作数据,绘制缺陷检测图 纸,开展初期的试验操作活动,如图 3 所示。

　　采用缺陷检测系统进行静态软件缺陷检测期间,精 准进行静态软件数据信息关联性的查找分析,提取关联 度很高的数据,将其存储在检测操作系统内,根据数据 处理的规则要求,对采集的系统源项目操作数据进行管 理,对不同源项目数据相互之间的存储条件进行研究。 考虑到在静态软件缺陷检测的过程中,提取具备较高精 确度的目标数据,因此,在本次试验分析中,构建相应 的检测模型筛选数据,从系统输入层次进行数据的录入 操作,利用操作层次将数据信息传输到输出层次,获得 相应的元数据用来进行软件缺陷的检测,自动化生成检 测模型。完成实践操作的任务后,在管理系统中心输入 检测数据信息,检测期间可能会形成隐藏性干扰信号数 据,所以在实践过程中快速将隐藏干扰排除,开发隐藏 层次模型,预防因为干扰问题对系统带来不利影响。之 后进行软件检测试验分析操作的调整,确保检测工作具 备可比性,将其他检测方式应用在本次试验分析相同的 参数环境中,分析检测信号接收的效率指标,如表 1 所 示,为试验分析后不同检测方法应用的效率指标,将代 码源数据信息为基础的穿透静态软件缺陷检测系统应用 过程中,检测信号的接收效率比深度学习为基础的检测 系统信号接收效率高,但是从总体层面来讲,以大数据技术为基础所设计的检测系统信号接收效率最高,应用 的时间越长,信号接收效果越好,证明该系统具有推广 应用的价值 [3]。

　　出现此类现象的原因主要就是以大数据技术为基础 的检测系统能够集中进行静态软件不同数据关系的分析 和查找,系统化分析和评估数据信息的状态,减小数据 检测工作的难度,有效进行内部的实践操作和分析,确 保信号接收的效果。传统类型以代码源数据当做基础的 检测系统,只重视中心数据信息的分析和抽查,虽然检 验性能较高、检测信号接收效果良好,但是和大数据技 术的检测系统相比应用效果依然较低,而以深度学习为 基础的检测系统虽然能够精准进行各类数据的收集,但 是数据管理的性能和系统操作的水平很低,使检测信号 的接收效果难以提升 [4]。

　　2.3.2 检测时间的评估

　　完成相关系统检测信号接收效果的评估后,深入评价 分析系统应用的检测时间情况,准确分析系统操作过程中 的时间消耗率, 采用程序源码转换预测的方式进行预测分 析,将抽象语法树节点当做是输出点,采用 ISDA 的形式 将子类划分成为正负两种类型。考虑到此次试验分析过程 中所选择的参数可能会存在误差, 为预防参数误差对试验 分析结果造成不利影响,此次研究采用相应的措施构建检 测细胞结构,对检测数据进行处理, 实时性、动态化监 控试验分析的状态,查找检测状态的数据,提取试验分 析的核心数据值,根据数据信息的分类标准,科学完成 分类工作,将异常的信号排除,预先进行数据集的预测 分析,归一化处理其中的静态软件缺陷数据,对归一化 之后的空间数据进行管理,快速将缺陷数据存储的空间 结构反映出来,然后在输入层次将检测数据输入检测系统,传递到池化层次,完成数据的池化处理后,传输到 输出层次,最终完成相关的操作,如图 4 所示。

　　完成静态软件缺陷预测处理后获得相应的检测分析 结果,对试验分析的结果进行对比分析研究,如表 2 所 示,以代码源数据为基础的检测系统在应用过程中,检 测的时间最长,深度学习为基础的检测系统检测时间 稍短,大数据技术为基础的检测系统检测时间最短,主 要因为采用大数据技术进行静态软件缺陷检测系统的设 计,能够在系统操作期间全面进行数据状态的对比研 究,不断优化和改善整体的检测工作流程和程序,预防 出现无用操作的问题,减少检测操作的时间周期,将深 度学习作为基础的检测系统虽然能够改善检测性能、利 用集中化的检测元件合理进行软件缺陷的检测、减少检 测工作的时间周期,但是所用时间也较长,而以代码源 数据为基础的检测系统数据掌控的能力很差,对静态软 件缺乏一定的了解,导致检测操作的时间延长 [5]。

　　3 结语

　　综上所述,采用大数据技术设计静态软件缺陷检测 系统,不仅能够提升缺陷检测效果和水平,还能缩短缺 陷检测的时间周期长度,因此在静态软件缺陷检测的过 程中应重点使用大数据技术设计相应的检测系统,完善 硬件设计的模式和软件设计的模式,合理采用试验分析 的方式评价所设计系统的优化性和完善性,通过与传统 检测系统的对比分析,明确系统操作时间周期长短和检 测数据的接收效率,为系统的优化设计提供帮助。


　　参考文献

　　[1] 常敏.基于大数据技术的静态软件缺陷检测系统设计[J].现 代电子技术,2021.44(17):37-41.
　　[2] 李宗任.基于无监督学习的数据流异常检测技术研究[D].长 沙:国防科技大学,2018.
　　[3] 王超.大规模Android使用数据模式及隐私分析[D].北京:北 京交通大学,2018.
　　[4] 高凤娟,王豫,周金果,等.高精度的大规模程序数据竞争检测 方法[J].软件学报,2021.32(7):2039-2055.
　　[5] 高凤娟,王豫,陈天骄,等.基于污点分析的数组越界缺陷的静 态检测方法[J].软件学报,2020.31(10):2983-3003.
 
 
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/60543.html