Инструментальное средство для выявления пропущенных вызовов библиотеки OpenGL с использованием методов машинного обучения

Скрипачев, Антон Михайлович Кафедра информатики
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Введение…………………………………………………………………………………………………….. 6

1 Анализ методов и средств обеспечения надежности программ ……………………. 8

1.1 Надежность программного обеспечения ………………………………………………… 8

1.2 Ошибки в ПО …………………………………………………………………………………….. 12

1.3 Методы обеспечения надежности программного обеспечения ………………. 16

1.3.1 Тестирование ПО …………………………………………………………………………… 16

1.3.2 Статический анализ кода ………………………………………………………………… 18

1.4 Анализ существующих решений …………………………………………………………. 21

1.4.1 Система DMMC …………………………………………………………………………….. 21

1.4.2 Система PR-Miner ………………………………………………………………………….. 23

1.5 Предлагаемое решение ……………………………………………………………………….. 25

2 Разработка алгоритма статистического анализа для поиска пропущенных
вызовов функций на основе методов машинного обучения ………………………….. 27

2.1 Общая схема работы системы ……………………………………………………………… 27

2.2 Нейронные сети …………………………………………………………………………………. 31

2.2.1 Общая информация о нейронных сетях …………………………………………… 31

2.2.2 Виды нейронных сетей …………………………………………………………………… 37

2.2.3 Выбор вида нейронной сети ……………………………………………………………. 38

2.3 Рекуррентные нейронные сети…………………………………………………………….. 38

2.3.1 LSTM ……………………………………………………………………………………………. 39

2.3.2 GRU ……………………………………………………………………………………………… 40

2.3.3 Выбор вида рекуррентной нейронной сети ………………………………………. 40

2.4 Механизм нейронной сети ………………………………………………………………….. 41
3 Программная реализация инструмента для поиска пропущенных вызовов
функций ……………………………………………………………………………………………………. 42

3.1 Используемые программные средства …………………………………………………. 42

3.1.1 Qt ………………………………………………………………………………………………….. 42

3.1.2 LLVM……………………………………………………………………………………………. 44

3.1.3 SQLite …………………………………………………………………………………………… 45

3.1.4 Keras……………………………………………………………………………………………… 46

3.2 Разработка нейронной сети с использованием Keras …………………………….. 48

3.3 Разработка графического-пользовательского интерфейса ……………………… 60

3.4 Апробация инструмента для поиска пропущенных вызовов функций ……. 64

Заключение ………………………………………………………………………………………………. 67

Список использованных источников ………………………………………………………….. 68

Программное обеспечение (ПО) вычислительных систем со временем
становится труднее разрабатывать. Для упрощения разработки ПО создаются
библиотеки функций, скрывающие сложность за программным интерфейсом.
При использовании сторонних библиотек программисты зачастую применяют
некоторые готовые решения — шаблоны, полученные из ресурсов интернета и
литературы. При этом начинающие программисты имеют тенденцию пропускать
различные части данных шаблонов при реализации собственных приложений.
Помимо этого, проблемы, связанные с пропущенными вызовами, встречаются в
обсуждениях на форумах, в отчетах об ошибках, в коммитах и в исходном коде.
Из этого следует, что пропущенные вызовы функций могут быть источником
дефектов программного обеспечения, которые нелегко обнаружить без
вспомогательных инструментов.
В данной работе представлена гипотеза о том, что большинство подобных
готовых решений содержат повторяющиеся шаблоны. Более того, данные
шаблоны могут быть использованы для построения моделей, способных
предсказать наличие (либо отсутствие) недостающих вызовов определенных
библиотечных функций с использование машинного обучения.
Научная новизна заключается в применении нейронной сети, основанной
на управляемом рекуррентном блоке, для поиска пропущенных вызовов
библиотечных функций, что существенно отличается от имеющихся методов и
средств решения задач данного класса.

В ходе данной работы был произведен обзор существующих решений по
поиску пропущенных вызовов функций. По результатам обзора было
определено, что на данный момент в открытых источниках не существует
инструментальных средств для поиска пропущенных вызовов функций.
Предложено в качестве метода машинного обучения для решения задачи
поиска пропущенных вызовов использование рекуррентных нейронных сетей на
основе управляемого рекуррентного блока.
На основе примеров исходного кода были сформированы обучающая и
тестовая выборка. Была разработана и обучена модель искусственной нейронной
сети и подобраны оптимальные параметры модели. На основе построенной
модели был разработано и протестировано инструментальное средство для
поиска пропущенных вызовов.
На основании полученных результатов была опровергнута гипотеза о
возможности решения задачи поиска пропущенных вызовов как задачи
многоклассовой классификации из-за низкой точности получаемых результатов
– 52,1 %. Однако, при рассмотрении не одного, а первых четырех результатов
модели точность является приемлемой – 83,2 %.
Возможные направления улучшения разработанного инструментального
средства:
– функция дообучения модели на основании корректировок от
пользователя;
– указание директории для анализа присутствующих в ней файлов в режиме
online;
– организация единого сервера с развернутой моделью искусственной
нейронной сети для централизации процесса дообучения;
– обнаружения нескольких пропущенных вызовов функций.

1 Карпович, Е. Е. Методология разработки программного обеспечения:
электронное пособие / Е. Е. Карпович. – Москва : Центр дистанционного
обучения. НИТУ «МИСиС», 2015. – 80 с.
2 Дроботун, Е. Б. Надежность программного обеспечения. виды и
критичность ошибок / Е. Б. Дроботун // Информационно-вычислительные
технологии в науке / Военная академия воздушно – космической обороны. –
Тверь. – 2009. – С. 55–59.
3 Ковалев, И. В. Анализ проблем в области исследования надежности
программного обеспечения: многоэтапность и архитектурный аспект / И. В.
Ковалев // Вестник СибГАУ. – 2014. – № 3. – С. 78–92.
4 Липаев, В. В. Программная инженерия. Методологические основы / В. В.
Липаев. – Москва : ТЕИС, 2006. – 605 с.
5 ГОСТ 27.002-2015. Надежность в технике. Основные понятия. Термины
и определения. – Введ. 01.03.2015. – Москва : Стандартинформ, 2015. – 23 с.
6 ГОСТ 19.004-80. ЕСПД. Термины и определения. – Введ. 01.07.1981. –
Москва : Стандартинформ, 1981. – 3 с.
7 Королев, А. Подсчет себестоимости часа разработки программного
обеспечения [Электронный ресурс] // Хабр. – Москва, 2015. – Режим доступа:
https://habr.com/ru/post/256537.
8 Якимов, И. А. Оптимизация читаемости порождаемых при символьных
вычислениях тестов / И. А. Якимов, А. С. Кузнецов, А. М. Скрипачев //
Сибирский журнал науки и технологий. – 2019. – Т. 20, № 1. – С. 35–41.
9 Макконнелл, С. Совершенный код. Практическое руководство по
разработке программного обеспечения / C. Макконнелл. Пер. с англ. – Москва :
Издательство «Русская редакция», 2010. – 896 c.
10 Martin Monperrus. Detecting Missing Method Calls in Object-Oriented
Software / Martin Monperrus, Marcel Bruch, Mira Mezini // Proceedings of the 24th
European Conference on Object-Oriented Programming. – 2010. – P. 25–28.
11 Zhenmin Li. PR-Miner: Automatically Extracting Implicit Programming
Rules and Detecting Violations in Large Software Code / Zhenmin Li, Yuanyuan Zhou
// European Software Engineering Conference and the ACM SIGSOFT Symposium on
the Foundations of Software Engineering. – 2005. – P. 10.
12 Флах, П. Машинное обучение. Наука и искусство построения
алгоритмов, которые извлекают знания из данных / П. Флах. Пер. с англ. –
Москва : Издательство «ДМК-Пресс», 2015. – 400 c.
13 Gösta Grahne. Efficiently Using Prefix-trees in Mining Frequent Itemsets /
Gösta Grahne, Jianfei Zhu // International Conference on Database and Expert Systems
Applications. – 2012. – P. 453–476.
14 Айвазян, С. А. Прикладная статистика: классификация и снижение
размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. –
Москва : Финансы и статистика. 1989. – 607 c.
15 Бринк Х. Машинное обучение / Х. Бринк, М. Феверолф, Д. Ричардс. Пер.
с англ. – Санкт-Петербург : Издательство «Питер», 2017. – 336 c.
16 ГОСТ 19.701-90. ЕСПД. Схемы алгоритмов, программ, данных и
систем. Обозначения условные и правила выполнения. – Введ. 01.01.1992. –
Москва : Стандартинформ, 1992. – 22 с.
17 Николенко, С. И. Глубокое обучение. Погружение в мир нейронных
сетей / С. И. Николенко, Е. В. Архангельская, А. А. Кадурин. – Санкт-Петербург
: Издательство «Питер», 2018. – 480 c.
18 Якимов, И. А., Поиск недостающих вызовов библиотечных функций с
использованием машинного обучения / И. А. Якимов, А. С. Кузнецов // Труды
ИСП РАН. – 2017. – Т. 29, № 6. – С. 117–134.
19 Qt | Cross-platform software development for embedded & desktop / The Qt
company // Qt Group [сайт]. – Helsinki, 2019. – Режим доступа: https://www.qt.io.
20 The LLVM Compiler Infrastructure [Электронный ресурс] : сайт содержит
полную информацию о продукте LLVM. – Режим доступа: https://llvm.org.
21 SQLite Home Page [Электронный ресурс] : сайт содержит полную
информацию о системе управления базами данных SQLite. – Режим доступа:
https://www.sqlite.org/index.html.
22 Keras: The Python Deep Learning library : сайт содержит информацию об
открытой нейросетевой библиотеке Keras. – Режим доступа: https://keras.io.
23 Hale, J. Deep Learning Framework Power Scores 2018 [Электронный
ресурс] / J. Hale // Medium. – San Francisco, 2018. – Режим доступа:
https://towardsdatascience.com/deep-learning-framework-power-scores-2018-
23607ddf297a.
24 OpenGL – GLUT Program Sample Code [Электронный ресурс] : архив
содержит примеры исходного кода с использованием библиотеки OpenGL. –
Режимдоступа:
https://www.opengl.org/archives/resources/code/samples/glut_examples/examples/ex
amples.html.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Дарья Б. МГУ 2017, Журналистики, выпускник
    4.9 (35 отзывов)
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных ко... Читать все
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных компаниях, сейчас работаю редактором. Готова помогать вам с учёбой!
    #Кандидатские #Магистерские
    50 Выполненных работ
    Татьяна П. МГУ им. Ломоносова 1930, выпускник
    5 (9 отзывов)
    Журналист. Младший научный сотрудник в институте РАН. Репетитор по английскому языку (стаж 6 лет). Также знаю французский. Сейчас занимаюсь написанием диссертации по и... Читать все
    Журналист. Младший научный сотрудник в институте РАН. Репетитор по английскому языку (стаж 6 лет). Также знаю французский. Сейчас занимаюсь написанием диссертации по истории. Увлекаюсь литературой и темой космоса.
    #Кандидатские #Магистерские
    11 Выполненных работ
    Евгения Р.
    5 (188 отзывов)
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и со... Читать все
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и создаю красивые презентации. Сопровождаю работы до сдачи, на связи 24/7 ?
    #Кандидатские #Магистерские
    359 Выполненных работ
    Татьяна Б.
    4.6 (92 отзыва)
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские ди... Читать все
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские диссертации, курсовые работы средний балл - 4,5). Всегда на связи!
    #Кандидатские #Магистерские
    138 Выполненных работ
    Александр Р. ВоГТУ 2003, Экономический, преподаватель, кандидат наук
    4.5 (80 отзывов)
    Специальность "Государственное и муниципальное управление" Кандидатскую диссертацию защитил в 2006 г. Дополнительное образование: Оценка стоимости (бизнеса) и госфин... Читать все
    Специальность "Государственное и муниципальное управление" Кандидатскую диссертацию защитил в 2006 г. Дополнительное образование: Оценка стоимости (бизнеса) и госфинансы (Казначейство). Работаю в финансовой сфере более 10 лет. Банки,риски
    #Кандидатские #Магистерские
    123 Выполненных работы
    Елена Л. РЭУ им. Г. В. Плеханова 2009, Управления и коммерции, пре...
    4.8 (211 отзывов)
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно исполь... Читать все
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно использую в работе графический материал (графики рисунки, диаграммы) и таблицы.
    #Кандидатские #Магистерские
    362 Выполненных работы
    Анастасия Л. аспирант
    5 (8 отзывов)
    Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибост... Читать все
    Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибостроение, управление качеством
    #Кандидатские #Магистерские
    10 Выполненных работ
    Антон П. преподаватель, доцент
    4.8 (1033 отзыва)
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публик... Читать все
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публикуюсь, имею высокий индекс цитирования. Спикер.
    #Кандидатские #Магистерские
    1386 Выполненных работ
    Алёна В. ВГПУ 2013, исторический, преподаватель
    4.2 (5 отзывов)
    Пишу дипломы, курсовые, диссертации по праву, а также истории и педагогике. Закончила исторический факультет ВГПУ. Имею высшее историческое и дополнительное юридическо... Читать все
    Пишу дипломы, курсовые, диссертации по праву, а также истории и педагогике. Закончила исторический факультет ВГПУ. Имею высшее историческое и дополнительное юридическое образование. В данный момент работаю преподавателем.
    #Кандидатские #Магистерские
    25 Выполненных работ

    Другие учебные работы по предмету

    Интеллектуальный анализ текстовых данных с rnприменением методов машинного обучения
    📅 2019год
    🏢 Национальный исследовательский Томский политехнический университет (ТПУ)