软件系统关键模块结构挖掘及其演化分析方法研究

As the complexity of software system increases sharply and the change of software environment becomes frequent, studies on software structure and evolution are helpful to increase the understandability of software, to cut the costs of software development and maintenance and to improve the quality of software product. This project intends to study the analysis approach of the mining of key modules and the evolution in software system from the perspective of software source code and dynamic execution process. The contents are as follows: 1. to design methods to construct abstract syntax tree, static/dynamic complex network and sequence data models based on the characteristics of software structure and its behavior; 2. to propose a sub tree partitioning method based on semantic decision for the semantic relationships between variables and a community partitioning algorithm based on Extremal Optimization for the dependencies among external functions; 3. to design the structure partitioning algorithm of network based on edge congregated and the mining algorithm based on the structure pattern of sequence data in the execution process in accordance to the characteristics of network topology and timing call; 4. to come up with a matching method based on the similarities of source code structures and an analysis method based on the statistics of similar key modules by studying the result information from different mining methods; 5. to form a knowledge base of important software modules by studying the changes of module structure characteristics of different software versions and to design an analysis method to mine the rule of software evolution based on the parameters of software characteristics.

软件系统复杂程度剧增，软件环境频繁变化，对其结构及演化规律进行研究，有利于增加软件可理解性，降低软件开发和维护成本，提高软件产品质量。本项目拟从软件源代码和动态执行过程角度，研究软件系统关键模块挖掘及其演化分析方法，开展内容如下：1.基于软件的结构特征和行为特性，设计构建抽象语法树、静/动态复杂网络、序列数据等模型的方法；2.针对代码结构内部的变量语义关系和外部函数依赖关系，提出基于语义决策的子树划分方法和基于极值优化的社团结构划分算法；3.在软件执行过程中，根据实体的网络拓扑特性和时序调用等特征，设计基于边凝聚的网络社团结构划分算法和基于序列数据的结构模式挖掘算法；4.研究不同挖掘方法的结果信息，提出基于源码的结构相似性匹配方法及基于模块相似性的关键模块统计分析方法；5.研究不同软件版本间的模块结构特征变化，形成软件重要模块知识库；设计基于软件特征参数的演化分析方法，发掘软件演化规律。

随着信息化程度的不断提高，软件系统在信息管理中的核心低位愈发重要。然而，大型软件系统复杂程度剧增、软件环境频繁变化，使得对其结构及演化规律进行研究以促进软件安全性和质量的提高面临重大挑战。本项目对软件的结构特征和行为特性展开研究，建立多维分析模型，提出软件关键结构的分析方法，主要包含以下3个方面：(1) 建立软件关键结构分析的静动态多维模型。从软件的静态代码结构和动态执行行为两个角度，提出了基于复杂网络的静态软件网络模型和动态软件网络模型、基于序列模式分析的软件序列模型，针对大型软件系统建立了基于复杂网络的软件群体网络模型。(2) 提出基于多维模型的软件关键结构分析方法。从软件结构分析角度，提出了基于影响力传播度量和基于结构熵的关键结点挖掘算法、面向漏洞分析的抽象语法树构建及语义特征构建方法、基于重要函数节点的社团结构划分方法和基于复杂网络的最优化社团划分方法；从动态执行行为分析角度，提出了基于交互关系的软件群体网络社团结构划分方法、软件群体网络中基于交互序列的关键模式挖掘算法、基于故障传播的软件网络重要节点挖掘算法、基于候选模式树的重要行为模式挖掘算法等。(3) 综合不同层次和角度的关键结构挖掘方法，开展了软件模型结构演化分析，形成了基于软件关键模块和结构信息的演化规律发掘框架，能够促进软件结构和行为的表征和度量，以辅助软件系统的设计与开发，提高软件质量。本项目在软件多维建模分析及关键结构挖掘方面发表国内外重要学术论文19篇，培养研究生14名，提高了项目组青年研究人员的研究水平。