Foundation for data-driven software maintenance and evolution augmented by machine learning

通过机器学习增强数据驱动的软件维护和发展的基础

• 批准号: 21KK0179
• 负责人: 鷲崎 弘宜
• 金额: $ 12.31万
• 依托单位: Waseda University
• 依托单位国家: 日本
• 项目类别: Fund for the Promotion of Joint International Research (Fostering Joint International Research (B))
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-10-07 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21KK0179/
• 关键词: ソフトウェア保守; ソフトウェア進化; データ駆動ソフトウェア工学; 機械学習応用; プログラム品質評価改善; 機械学習; データ駆動

不確実性の高い現代において、潜在する欠陥や要求・環境変化をデータで捉え、ソフトウェア上で修正や変化適応を進めるデータ駆動の枠組みが求められる。従来は固定的な活動の一部の自動化にとどまり、機械学習の適用も場当たり的である。そこで本研究は、機械学習により増強された（Machine Learning Augmented）データ駆動ソフトウェア保守・進化の確立を研究課題として掲げ、規範と実態を融合的に扱い、開発者による一定の制御が可能な保守・進化の自動化基盤を実現する。特に、ソフトウェアシステム開発運用の大部分を占める保守・進化の支援を目的に、過去の様々なプロジェクトにおける保守・進化実績データへの機械学習適用を通じてモデル（規範）としての修正・適応のルールや関係を学習する。さらに不確実性をもつ新たな開発運用において変更・改訂履歴データに基づき、状況や傾向変化を組み入れてモデルを適用することで、インスタンス（実態）としての状況や文脈へと適合する形で自動修正・適応を達成する。これにより過去および新たなデータに基づき持続的に、直面する課題対応としての修正・適応と、起こりうる問題や変化の予測に応じた進化を高効率かつ不確実性を考慮したものへ増強することを目的とする。2022年度は2021年度の成果を発展させて、目的の達成に向けた基礎を得るために、 機械学習増強のデータ駆動の問題報告対応やプログラム品質評価・修正・改善、および、保守・進化支援に向けた要素技術および関連研究の調査研究およびそれに基づく基盤の基礎的な設計を進めるとともに、各要素の試験適用な検証、組み合わせに向けた成果を得た。

Inaccuracy, high level of modernization, potential for improvement, environmental change, improvement, improvement, and improvement Automation is a part of fixed activities, and mechanical learning is applicable to the field. This study aims to establish a research topic for the integration of machine Learning and evolution, and to develop a framework for the realization of a certain control mechanism for the realization of a conservative and evolutionary automation. Special, software development applications accounted for most of the conservative, evolutionary support for the purpose, the past, the conservative, evolutionary performance of the machine learning application, the specification, the correction, the relationship between learning In addition, in order to eliminate uncertainties and new development applications, changes and changes in performance data can be incorporated into the environment based on changes in conditions and trends, and automatic corrections and adaptations can be achieved based on the actual situation and appropriate context. This is the first time that we've had a problem with this. 2022 Year 2021 Year 2022 Year 2021 Year 2021 Year 2022 Year 2021 Year 2021 Year 2022 Year 2021 Year 2020 Year 202021 Year 2021 Year 2021 Year 2020 Year 202021 Year 2021 Year 2020 Year 2020 Year 202021 Year 2020 Year 2020 Year The results of the study

项目成果

Polytechnique Montreal/Concordia University/University of Waterloo(カナダ)

蒙特利尔理工学院/康科迪亚大学/滑铁卢大学（加拿大）

Categorization and Visualization of Issue Tickets to Support Understanding of Implemented Features in Software Development Projects

问题单的分类和可视化以支持理解软件开发项目中已实现的功能

• DOI: 10.3390/app12073222
• 发表时间: 2022
• 期刊: Applied Sciences
• 作者: Ryo Ishizuka;Hironori Washizaki;Naohiko Tsuda;Yoshiaki Fukazawa;Saori Ouji;Shinobu Saito;Yukako Iimura
• 通讯作者: Yukako Iimura

Comparative Evaluation of NLP-Based Approaches for Linking CAPEC Attack Patterns from CVE Vulnerability Information

• DOI: 10.3390/app12073400
• 发表时间: 2022-03
• 期刊: Applied Sciences
• 作者: Kenta Kanakogi;H. Washizaki;Y. Fukazawa;Shinpei Ogata;T. Okubo;Takehisa Kato;Hideyuki Kanuka;A. Hazeyama;Nobukazu Yoshioka

Abstract security patterns and the design of secure systems

• DOI: 10.1186/s42400-022-00109-w
• 发表时间: 2022-04
• 期刊: Cybersecurity
• 影响因子: 3.1
• 作者: E. Fernández;Nobukazu Yoshioka;H. Washizaki;J. Yoder

Automatic labeling of the elements of a vulnerability report CVE with NLP

使用 NLP 自动标记漏洞报告 CVE 的元素

• 发表时间: 2022
• 作者: Kensuke Sumoto;Kenta Kanakogi;Hironori Washizaki;Nobukazu Yoshioka;Naohiko Tsuda;Yoshiaki Fukazawa and Hideyuki Kanuka
• 通讯作者: Yoshiaki Fukazawa and Hideyuki Kanuka