网络空间安全论文笔记3——缺陷

A systematic literature review on software detect prediction using artificial intelligence: Datasets, Data Validation Methods, Approaches, and Tools 

软件缺陷预测的系统文献综述：从数据集、数据验证方法、缺陷检测和预测方法、工具以及对未来研究人员的建议几个角度展开

缺陷预测方法框架

发现缺陷的方法：使用传统方法检测缺陷和使用AI方法预测缺陷

缺陷检测：手动测试用例执行（具体可分类为黑盒/白盒/冒烟/用户验收/可用性/性能测试，非常耗时）、自动化缺陷检测（软件框架驱动测试用例）、运行静态代码分析器（检查预定义的规则）、手动代码审查、同行审查

缺陷预测：基于软件项目分类、基于缺陷预测指标分类、统计分类、基于AI技术分类

基于软件项目分类（使用项目本身信息）：项目内缺陷预测WPDP、跨项目缺陷预测CPDP、跨版本缺陷预测CVDP、异构缺陷预测HDP

基于指标分类：类(RFC)、代码行(LOC)和缺乏编码质量(LOCQ)等指标，过程度量、代码度量、面向对象度量

基于AI技术分类

评价指标：AUC、PF、F-Measure、Reca