【技术实现步骤摘要】
本公开涉及软件工程，尤其涉及一种代码缺陷预测方法、可读存储介质、计算机程序产品。
技术介绍
1、在软件开发过程中，代码缺陷的早期识别是一个重要但具有挑战性的问题，现有技术主要依赖于静态代码分析和简单的统计模型进行代码缺陷预测，这些方法往往难以识别复杂的缺陷模式，且准确率较低，导致许多潜在的软件问题在开发后期才被发现，增加了修复成本和时间，而且现有技术大多需要人工干预，效率低下且容易出错。
技术实现思路
1、有鉴于此，本公开实施例提供了一种代码缺陷预测方法、可读存储介质、计算机程序产品，能够高效并准确的预测代码缺陷，并给出缺陷报告，用于修复相关缺陷，便于进行软件研发。
2、第一方面，本公开实施例提供了一种代码缺陷预测方法，采用如下技术方案：
3、构建多个预测模型和多个智能体；
4、当代码库更新时，确定若干个更新项目，获取若干个更新项目的新版本代码；
5、基于所述新版本代码和所述多个预测模型，获得若干个更新项目的潜在代码缺陷类型和潜在代码缺陷描述；
6、基于所述潜在代码缺陷类型、所述潜在代码缺陷描述和所述多个智能体，生成若干个更新项目的缺陷报告；
7、对所述缺陷报告进行真实性验证，在真实性验证通过后对所述新版本代码进行修复。
8、可选地，所述构建多个预测模型，包括：
9、获取历史缺陷数据和当前代码库数据；
10、对所述历史缺陷数据和所述当前代码库数据进行预处理；
11
12、将每组项目代码缺陷数据与所述当前代码库数据进行组合，构成多组训练集；
13、采用所述多组训练集分别对预训练语言模型进行微调，获得所述多个预测模型。
14、可选地，所述基于所述新版本代码和所述多个预测模型，获得若干个更新项目的潜在代码缺陷类型和潜在代码缺陷描述，包括：
15、基于更新项目的类型在所述多个预测模型中选择出目标模型；
16、基于所述新版本代码和所述目标模型，获得对应的更新项目的潜在代码缺陷和潜在代码缺陷描述。
17、可选地，所述基于所述新版本代码和所述目标模型，获得对应的更新项目的潜在代码缺陷和潜在代码缺陷描述，包括：
18、将所述新版本代码划分为多个代码元素，为所述多个代码元素分配势能；
19、按照所述势能调整所述目标模型对所述多个代码元素的关注值；
20、将所述新版本代码、所述多个代码元素和所述势能输入到所述目标模型中，获得所述目标模型输出的潜在代码缺陷和潜在代码缺陷描述。
21、可选地，如果所述更新项目为多个，则将多个目标模型输出的潜在代码缺陷类型和潜在代码缺陷描述进行共享；
22、基于共享的潜在代码缺陷类型和潜在代码缺陷描述，重新获取多个目标模型输出的潜在代码缺陷类型和潜在代码缺陷描述。
23、可选地，所述缺陷报告包括最优修复建议；
24、收集历史修复数据，对所述历史修复数据进行特征提取，获得特征向量；
25、初始化权重向量；
26、基于特征向量和权重向量构成奖励函数；
27、采用最大熵irl算法优化所述奖励函数中的权重向量；
28、采用随机梯度上升法迭代更新所述奖励函数中的权重向量，直到收敛，基于更新后的奖励函数，获取最优策略网络；
29、基于所述最优策略网络、所述潜在代码缺陷类型、所述潜在代码缺陷描述，获得最优修复建议。
30、可选地，所述采用最大熵irl算法优化所述奖励函数中的权重向量，包括：
31、设置目标函数，通过求解所述目标函数优化所述权重向量，所述目标函数的表达式如下：
32、maxw0[σi log p(ai|si,w0)-λ||w0||2]；
33、式中，p(ai|si,w0)为在给定代码状态si和权重向量w0下采取可能修复动作ai的概率，i为给定代码状态的编号，λ是正则化项的系数。
34、可选地，所述采用随机梯度上升法迭代更新所述奖励函数中的权重向量，包括：
35、设置随机梯度函数，采用所述随机梯度函数更新所述权重向量，所述随机梯度函数的表达式如下：
36、wt+1＝wt+α[φ(sexpert,aexpert)-eπ[φ(sexpert,aexpert)]-2λwt]；
37、其中，t为当前迭代的次数；wt为在当前迭代的权重向量，在初始迭代时，wt＝w1＝w0；wt+1为下次迭代的权重向量；α为学习率；π为当前策略；eπ[φ(sexpert,aexpert)]为在当前策略下特征向量的期望值；φ(sexpert,aexpert)为所述特征向量，sexpert为在历史修复过程中的代码状态，aexpert为历史修复过程中专家采用的修复动作。
38、第二方面，本公开实施例还提供了一种代码缺陷预测系统，采用如下技术方案：
39、构建模块，用于构建多个预测模型和多个智能体；
40、确定模块，用于当代码库更新时，确定若干个更新项目，获取若干个更新项目的新版本代码；
41、获得模块，用于基于所述新版本代码和所述多个预测模型，获得若干个更新项目的潜在代码缺陷类型和潜在代码缺陷描述；
42、生成模块，用于基于所述潜在代码缺陷类型、所述潜在代码缺陷描述和所述多个智能体，生成若干个更新项目的缺陷报告；
43、修复模块，用于对所述缺陷报告进行真实性验证，在真实性验证通过后对所述新版本代码进行修复。
44、第三方面，本公开实施例还提供了一种计算机装置，采用如下技术方案：
45、所述计算机装置包括：
46、至少一个处理器；以及，
47、与所述至少一个处理器通信连接的存储器；其中，
48、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以上任一所述的代码缺陷预测方法。
49、第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行以上任一所述的代码缺陷预测方法。
50、第五方面，本公开实施例还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现以上任一项所述方法的步骤。
51、本公开实施例提供的代码缺陷预测方法，通过构建多个专门化的预测模型和智能体，能够针对不同项目类型进行定制化的缺陷预测，从而提高潜在代码缺陷类型和描述的准确性。通过自动化生成缺陷报告并进行真实性验证，减少了人工介入的需求，加快了缺陷识别和修复的过程，从而提升了整个缺陷管理流程的效率，而且准确且及时的缺陷预测和报告生成有助于尽早发现和修复潜在的代码缺本文档来自技高网...
【技术保护点】
1.一种代码缺陷预测方法，其特征在于，包括：
2.根据权利要求1所述的代码缺陷预测方法，其特征在于，所述构建多个预测模型，包括：
3.根据权利要求1所述的代码缺陷预测方法，其特征在于，所述基于所述新版本代码和所述多个预测模型，获得若干个更新项目的潜在代码缺陷类型和潜在代码缺陷描述，包括：
4.根据权利要求3所述的代码缺陷预测方法，其特征在于，所述基于所述新版本代码和所述目标模型，获得对应的更新项目的潜在代码缺陷和潜在代码缺陷描述，包括：
5.根据权利要求4所述的代码缺陷预测方法，其特征在于，
6.根据权利要求1所述的代码缺陷预测方法，其特征在于，所述缺陷报告包括最优修复建议；
7.根据权利要求6所述的代码缺陷预测方法，其特征在于，所述采用最大熵IRL算法优化所述奖励函数中的权重向量，包括：
8.根据权利要求7所述的代码缺陷预测方法，其特征在于，所述采用随机梯度上升法迭代更新所述奖励函数中的权重向量，包括：
9.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储计算机指令，该Y
10.一种计算机程序产品，包括计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-7任一项所述方法的步骤。
...【技术特征摘要】
1.一种代码缺陷预测方法，其特征在于，包括：
2.根据权利要求1所述的代码缺陷预测方法，其特征在于，所述构建多个预测模型，包括：
3.根据权利要求1所述的代码缺陷预测方法，其特征在于，所述基于所述新版本代码和所述多个预测模型，获得若干个更新项目的潜在代码缺陷类型和潜在代码缺陷描述，包括：
4.根据权利要求3所述的代码缺陷预测方法，其特征在于，所述基于所述新版本代码和所述目标模型，获得对应的更新项目的潜在代码缺陷和潜在代码缺陷描述，包括：
5.根据权利要求4所述的代码缺陷预测方法，其特征在于，
6.根据权利要求...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。