18、逆向工程特征模型适应度函数扩展与开源仓库漏洞优先级排序

逆向工程特征模型适应度函数扩展与开源仓库漏洞优先级排序

逆向工程特征模型适应度函数扩展

在逆向工程特征模型的研究中，有三个重要的适应度函数：MinDiffff、Validityff和 SATff。为了进行相关实验，研究人员在 SPLRevO 框架中实现了 SATff，并添加了源自 ETHOM 框架的 MinDiffff，使得所有实验都能在同一平台（SPLRevO）上运行。

实验的具体设置如下：
1. 实验运行次数 ：对所有实验对象，使用 MinDiffff、Validityff和 SATff 分别在 SPLRevO 中运行 5 次。
2. 遗传算法参数 ：采用排名选择和一点交叉（交叉率为 100%），对特征图和跨树约束应用 1% 的变异。特征模型的种群大小设置为 100，实验运行至 100 代。若连续 25 代适应度值无改善，算法提前停止。这些参数设置与先前的工作保持一致。
3. 适应度函数计算工具 ：计算 MinDiffff和 Validityff时，使用 FaMa 与 Choco 求解器来获取产品数量、所有产品配置列表和有效产品。对于 SATff，先将现有特征模型的输入转换为一组合取约束，使用 JavaBDD 计算重言蕴含。
4. 代码约束提取 ：对于 nano - 2.4.2，使用 TypeChef 和 FARCE 从代码中提取约束。通过 grep 获得 72 个可能的特征，其中 52 个是二进制特征。为了与框架兼容，仅向 TypeChef 提供二进制特征列表。
5. 实验环境 ：所有实