Proiectul QuaDeeP (Îmbunătățirea calității sistemelor software folosind modele de învățare profundă pentru predicția și detecția defectelor) se concentrează pe dezvoltarea tehnicilor de învățare profundă pentru predicția defectelor software, o problemă de importanță majoră în ingineria software și în special în ingineria software bazată pe căutare. Scopul principal al proiectului este îmbunătățirea calității sistemelor software prin identificarea timpurie și precisă a modulelor software defecte, utilizând modele și tehnici de învățare profundă. Tema proiectului prezintă un interes internațional major, fiind extrem de relevantă în timpul dezvoltării, testării și întreținerii sistemelor software. Predicția cu acuratețe a defectelor software în noile versiuni de software ar îmbunătăți semnificativ performanța procesului de dezvoltare software în ceea ce privește costul, timpul și calitatea software-ului.
Rezultatele proiectului
Principalul rezultat așteptat al proiectului va fi soluția software QuaDeeP, care va integra metode originale de învățare profundă pentru identificarea defectelor software. Pentru creșterea specificității modelelor, metodele de învățare vizate vor fi adaptate în mod special pentru anumite tipuri de defecte. QuaDeeP va fi util pentru asistarea dezvoltatorilor de software în predicția cu acuratețe a defectelor software, contribuind astfel la îmbunătățirea calității software-ului și la facilitarea întreținerii și evoluției acestuia.
Obiective
O1. Dezvoltarea și validarea științifică a unor metode originale bazate pe învățarea profundă pentru determinarea caracteristicilor relevante pentru predicția defectelor software
Vom folosi taxonomii existente de tipuri de defecte, cum ar fi ODC, CWE sau CVE, pentru a identifica caracteristicile relevante pentru anumite clase de defecte. Modele de învățare automată precum sisteme cu autosupervizare sau rețele de tip CNN și LSTM vor fi vizate pentru a învăța automat caracteristici semantice și sintactice din reprezentările codului sursă. Noi metrici software pentru predicția defectelor, bazate pe coeziune și cuplare, vor fi exprimate pe baza metricilor software existente și a reprezentărilor semantice ale codului sursă.
O2. Dezvoltarea și validarea științifică a unor modele și tehnici originale de învățare automată pentru predicția defectelor software
Modelele de învățare automată vor fi adaptate pentru anumite tipuri de defecte, crescând astfel specificitatea modelului în predicția claselor de defecte. Avem în vedere utilizarea clasificatorilor bazați pe o clasă și abordări de tip one-shot learning pentru a trata problema principală a dezechilibrului de date.
O3. Dezvoltarea și validarea modulelor software QuaDeeP
Furnizat sub formă de module software, QuaDeeP va oferi o soluție pentru a asista dezvoltatorii, testerii și managerii de software în activitățile legate de întreținerea și evoluția software-ului, oferind informații care permit părților interesate să identifice posibilele defecte ale software-ului.
O4. Contribuţii la dezvoltarea cunoașterii științifice prin diseminarea rezultatelor obținute în publicații științifice și pe site-ul web al proiectului
Proiect finanțat sub PN-III-P4-ID-PCE-2020-0800, contract nr. PCE 92/2021