Resumen

A medida que la escala y la complejidad del software aumentan, los problemas de seguridad del software se han convertido en el foco de la sociedad. La predicción de defectos de software (SDP) es un medio importante para ayudar a los desarrolladores a descubrir y reparar posibles defectos que puedan poner en peligro la seguridad del software con anticipación y mejorar la seguridad y confiabilidad del software. Actualmente, la predicción de defectos entre proyectos (CPDP) y la predicción de defectos entre empresas (CCDP) se estudian ampliamente para mejorar el rendimiento de la predicción de defectos, pero aún existen problemas como métricas inconsistentes y grandes diferencias en la distribución de datos entre proyectos fuente y objetivo. Por lo tanto, en este estudio se propone un nuevo método CCDP basado en el emparejamiento de métricas y en el ajuste de pesos de muestras. En primer lugar, se propone un método de emparejamiento de métricas basado en agrupamiento. Se extrae un vector de características de métricas de multigranularidad para unificar

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Escala; Complejidad; Seguridad del software; Predicción de defectos; Correspondencia métrica; Fijación del peso de la muestra
• Keywords:Scale; Complexity; Software security; Defect prediction; Metric matching; Sample weight setting