Predicting Accurate and ActionableS

Predicting Accurate and Actionable
Static Analysis Warnings: An Experimental Approach

Static analysis tools report software defects that may or may not be
detected by other verification methods. Two challenges complicating
the adoption of these tools are spurious false positive warnings
and legitimate warnings that are not acted on. This paper reports
automated support to help address these challenges using logistic
regression models that predict the foregoing types of warnings from
signals in the warnings and implicated code. Because examining
many potential signaling factors in large software development settings
can be expensive, we use a screening methodology to quickly
discard factors with low predictive power and cost-effectively build
predictive models. Our empirical evaluation indicates that these
models can achieve high accuracy in predicting accurate and actionable
static analysis warnings, and suggests that the models are
competitive with alternative models built without screening.

ผลลัพธ์ (ไทย) 1:

คาดการณ์แม่นยำ และมุมวิเคราะห์คงคำเตือน: การทดลองวิธีการคงวิเคราะห์ซอฟต์แวร์เครื่องมือรายงานข้อบกพร่องที่อาจ หรืออาจไม่ตรวจพบ โดยวิธีตรวจสอบอื่น ๆ ความท้าทายสอง complicatingของเครื่องมือเหล่านี้เป็นคำเตือนที่เป็นบวกผิดปลอมและคำเตือนตามกฎหมายที่จะไม่ดำเนินการ รายงานเอกสารนี้สนับสนุนโดยอัตโนมัติในการช่วยความท้าทายเหล่านี้ใช้โลจิสติกแบบจำลองถดถอยที่ทายคำเตือนจากชนิดเหล่านี้สัญญาณเตือนและรหัสที่เกี่ยวข้อง เนื่องจากการตรวจสอบหลายปัจจัย signaling มีศักยภาพในการตั้งค่าการพัฒนาซอฟต์แวร์ขนาดใหญ่จะมีราคาสูง เราใช้วิธีการคัดกรองอย่างรวดเร็วละทิ้งปัจจัย ด้วยพลังงานต่ำคาดการณ์ และสร้างคุ้มค่าที่สุดแบบจำลองการคาดการณ์ หมายถึงการประเมินผลของเราเหล่านี้แบบจำลองสามารถให้ความแม่นยำสูงในการทำนายถูกต้อง และมุมคำเตือนคงวิเคราะห์ และแบบจำลองแนะนำแข่งขันกับรุ่นอื่นที่สร้างขึ้น โดยไม่มีการคัดกรอง

ผลลัพธ์ (ไทย) 2:

ทำนายถูกต้องและดำเนิน
การวิเคราะห์คำไฟฟ้าสถิต: การทดลองวิธีการเครื่องมือในการวิเคราะห์แบบคงที่รายงานข้อบกพร่องซอฟต์แวร์ที่อาจจะหรืออาจจะไม่ถูกตรวจพบโดยวิธีการตรวจสอบอื่น ๆ สองความท้าทายที่ซับซ้อนการยอมรับของเครื่องมือเหล่านี้มีคำเตือนปลอมบวกปลอมและคำเตือนที่ถูกต้องที่จะไม่ได้ทำหน้าที่ใน รายงานกระดาษนี้สนับสนุนโดยอัตโนมัติที่จะช่วยรับมือกับความท้าทายเหล่านี้โดยใช้โลจิสติกรุ่นถดถอยที่คาดการณ์ประเภทดังกล่าวข้างต้นของคำเตือนจากสัญญาณเตือนและรหัสที่เกี่ยวข้อง เพราะการตรวจสอบปัจจัยที่ส่งสัญญาณที่มีศักยภาพมากในการตั้งค่าการพัฒนาซอฟแวร์ที่มีขนาดใหญ่จะมีราคาแพงเราจะใช้วิธีการตรวจคัดกรองได้อย่างรวดเร็วทิ้งปัจจัยที่มีอำนาจในการทำนายต่ำและประหยัดค่าใช้จ่ายได้อย่างมีประสิทธิภาพในการสร้างรูปแบบการพยากรณ์ การประเมินผลการทดลองของเราแสดงให้เห็นว่าสิ่งเหล่านี้จะประสบความสำเร็จรุ่นที่มีความแม่นยำสูงในการทำนายถูกต้องและดำเนินการวิเคราะห์แบบคงคำเตือนและแสดงให้เห็นว่ารูปแบบที่มีการแข่งขันที่มีรูปแบบทางเลือกที่สร้างขึ้นโดยไม่มีการตรวจคัดกรอง

ผลลัพธ์ (ไทย) 3:

ทำนายที่ถูกต้องและปลอดภัย
คำเตือนการวิเคราะห์แบบคงที่ : 1 วิธี

ไฟฟ้าสถิตเครื่องมือซอฟแวร์รายงานข้อบกพร่องที่อาจจะหรืออาจจะไม่พบวิธีการในการตรวจสอบอื่น ๆ
. สองความท้าทายอย่างมาก
การยอมรับของเครื่องมือเหล่านี้จะปลอมคำเตือนบวกเท็จ
และคำเตือนถูกต้องตามกฎหมายที่ไม่แสดงใน บทความนี้รายงาน
อัตโนมัติสนับสนุนเพื่อช่วยรับมือกับความท้าทายเหล่านี้โดยใช้การถดถอยแบบโลจิสติก
ทำนายแล้วประเภทของคำเตือนจาก
สัญญาณในคำเตือนและพาดพิงถึงรหัส เพราะหลายปัจจัยในการตรวจสอบ
ศักยภาพขนาดใหญ่การพัฒนาซอฟต์แวร์การตั้งค่า
จะแพง เราใช้วิธีการคัดกรองอย่างรวดเร็ว
ทิ้งด้วยปัจจัย ความสามารถต่ำ และต้นทุนอย่างมีประสิทธิภาพ สร้าง
แบบจำลองการคาดการณ์ . การประเมินเชิงประจักษ์ของเราบ่งชี้ว่า โมเดลเหล่านี้
สามารถบรรลุความถูกต้องสูงในการทำนายที่ถูกต้องและปลอดภัย
คำเตือนการวิเคราะห์แบบคงที่ และแสดงให้เห็นว่ารุ่นแข่งขันกับรูปแบบอื่นสร้าง
โดยไม่ต้องคัดกรอง