公开(公告)号：CN115374595A

公开(公告)日：2022-11-22

申请号：CN202210745436.8

申请日：2022-06-28

Applicant: 南京大学

Inventor： 张贺 ,  刘博涵 ,  王佳辉 ,  宋凯文 ,  荣国平 ,  周鑫 ,  邵栋

IPC: G06F30/20 ,  G06F16/215 ,  G06F16/2458 ,  G06F16/25 ,  G06F16/28

Abstract: 本发明提供一种基于过程挖掘的自动化软件过程建模方法及系统，包括：通过软件资源库、公开数据集和网络爬虫获取日志资源；对从不同渠道获取的日志进行数据预处理，包括对数据的抽取、清洗、整合、转换以及不同粒度事件的分离；将不同算法应用于日志上进行过程发现，构建过程模型；将日志在模型上重放进行一致性检验，对比模型与日志的差异；从模型与日志的契合度、精确度、模型的泛化程度、简单度评估模型的性能；对事件日志进行过程参数分析，通过频率统计、过程聚类展现细节过程信息。本发明通过过程挖掘对软件过程进行建模，不仅有利于流程管理者全面地认识软件过程，还有助于发现软件过程中存在的问题，从而进一步对软件过程进行改进和提效。

公开(公告)号：CN115525899A

公开(公告)日：2022-12-27

申请号：CN202210743364.3

申请日：2022-06-28

Applicant: 南京大学

Inventor： 张贺 ,  毛润丰 ,  王佳辉 ,  荣国平 ,  周鑫 ,  邵栋

IPC: G06F21/57 ,  G06F21/56 ,  G06F8/41 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种面向持续集成平台的漏洞误报消除方法，通过深度学习神经网络捕捉程序静态分析生成的漏洞警告代码特征，对警告进行排序和分类，从而消除警告中的误报，并利用项目持续集成过程中不断生成的增量警告数据更新优化模型。步骤包括：获取持续集成平台上Java项目的历史警告数据和对应警告标记数据；对警告对应程序进行程序切片、令牌化、向量化；训练深度学习神经网络得到漏洞误报消除模型；将模型加入到项目的持续集成流程中使模型随着项目迭代持续更新优化。本发明减少了项目持续集成流程中开发人员检查程序静态分析漏洞警告的时间成本，提高了处理警告的效率。