Maschinelles Lernen für statische Codeanalysen

Abstract

In dieser Arbeit sollen die Aufgaben der statischen Codeanalyse durch die Methoden des maschinellen Lernens gelöst werden. Speziell geht es dabei um die Identifikation von Fehlern im Quellcode durch ein gelerntes Modell. Eine entsprechend gelernte Fehleranalyse soll Fehler mit unterschiedlichen Charakteristiken in beliebigen Abschnitten des Quellcodes ermitteln. Die vorliegende Aufgabe wird als Klassifikationsproblem definiert und durch die Konzeption und Implementation eines Prototyps auf die Machbarkeit überprüft. Durch eine Analyse des Prototyps auf neuen Eingangsdaten wird die Güte des Modells bewertet und diskutiert. Das Ergebnis zeigt, dass das Lernen einer solchen Fehleranalyse grundsätzlich möglich ist. Speziell in den Bereichen der Datenauswahl, der Datenvorbereitung, der Hyperparameteranpassung und der Interpretierbarkeit der Klassifizierungen bietet der Prototyp ein hohes Optimierungspotenzial.

In this work, the tasks of static code analysis are to be solved by machine learning methods. The focus is on the identification of errors in the source code by a trained model. A corresponding trained error analysis should identify errors with different characteristics in arbitrary sections of the source code. The task at hand is defined as a classification problem and tested for feasibility by the conception and implementation of a prototype. The performance of the model is evaluated and discussed by analyzing the implementation on new input data. The results show that training such an error analysis is basically possible. Nevertheless, the subjects of data selection, data preparation, hyperparameter tuning as well as the interpretability of the classification results offer a high potential for optimization.