深度学习——day38 读论文：基于深度学习的数据竞争检测方法（DeleRace计算机研究与发展 2022）

chap0 Introduction

数据竞争是指２个或多个线程同时访问１个 内存位置并且至少有１个线程执行写操作.
DeleRace（deep-learning-based data race detection）：首先使用工具 WALA 从多个实际应用程序中中提取指令、方法和文件级别中多个代码特征，对其向量化 并构造训练样本数据；；然后通过ConRacer 工具对真实数据竞争进行判定进而标记样本数据，并采用SMOTE 增强算法使正负数据样本分布均衡化；最后** 构建 CNN-LSTM 的深度神经网络 **，加以训练构建分类器，进而实现对数据竞争的检测。

本文贡献：

1）构建数据集用了26个不同领域的实际应用程序
2）提出一种适合数据竞争检测的深度学习模 型DeleRace
3）验证了DeleRace 的有效性．

原文及笔记下载

点击下载

chap1 DeleRace

1.1 检测框架

DeleRace方法框架各功能标注如图所示

1.2 选取实际应用程序

从 ＤａＣａｐｏ［２０］ ，ＪＧＦ［２１］ ，ＩＢＭ Ｃｏｎｔｅｓｔ［２２］ ，ＰＪＢｅｎｃｈ［２３］ 四 个基准测试程序套件中选取２６个含有数据竞争的并发程序

1.3 特征提取

1.3.1 WALA 特征提取操作步骤

1.3.2 数值特征（指令级别）

每个访问操作包含４条指令级别的特征．

1.3.3 文本特征（方法级别）

每个访问操作均包含包名、类名、方法名、变量名等文本特征，其中包名和类名为文件级别的特征，方法名和变量名 为方法级别的特征．

1.4 文本特征向量化

使用 Keras 的嵌入层进行文本特征向量化

1）首先将单词表中的单词进行词 频统计并进行整数编码；
2）然后将每个单词的编码Ｍ经过嵌入层处 理后映射为一个８维向量；
3）对嵌入层进行训练并更新权重；
4）最后得到一个真正可以代表每个单词的数值向量

1.5 数据均衡分布——过采样

SMOTE：其基本思想是对少数类样本进行分析，并根据 少数类样本合成新样本，然后添加到数据集中。

• 这里先选定一个正样本，找出这个正样本
  的Ｋ近邻（假设Ｋ＝４），随机从Ｋ个近邻中选择一
  个样本，在正样本和被选出的近邻样本的连线上随
  机找一个点，这个点就是我们生成的新的正样本，一
  直重复这个过程，直到正样本和负样本数量均衡．通
  过ＳＭＯＴＥ算法，将原有的１２ ８３６条训练样本扩充
  到２５ ４３８条，从而使正样本和负样本的数据样本数
  量达到了均衡．

如 图３所示

1.6 CNN—LSTM 神经网络

训练网络时，首先将每对访问操作的特征信息 输入到ＣＮＮ－ＬＳＴＭ 神经网络中；，每个卷积层后都有一个最大池化 层来降低特征维数，避免过拟合．函数Ｃｏｎｃａｔｅｎａｔｅ 把ＣＮＮ输出的卷积特征和ＬＳＴＭ 提取的时序 特征融合到另一个全连接层进行二分类，并通过 Ｄｒｏｐｏｕｔ方法来防止过拟合，最终输出测试程序中 含有数据竞争的个数．

chap2 实验结果与分析

2.3 RQ（research question）

通过回答6个研究问题对 DeleRace 方 法进行评估

2.6 DeleRace检测结果

RQ2：DeleRace 是否能准确有效地检测出数据竞争？（表7）

2.7 与其他深度神经网络方法对比

RQ3：DeleRace是否优于现有的基于深度学习 的数据竞争检测工具，与其他的深度神经网络相比， DeleRace的表现会如何（表8）