37、程序合成与开源仓库动态漏洞优先级排序技术研究

程序合成与开源仓库动态漏洞优先级排序技术研究

在软件开发领域，程序合成和漏洞优先级排序是两个关键且具有挑战性的任务。程序合成旨在自动生成满足特定需求的程序，而漏洞优先级排序则帮助开发者确定在开源仓库中应优先修复哪些漏洞。本文将深入探讨这两个方面的研究，包括蒙特卡罗树搜索在程序合成中的应用，以及基于进化技术的开源仓库动态漏洞优先级排序模型。

蒙特卡罗树搜索在程序合成中的应用

算法配置

在程序合成中，我们实现了蒙特卡罗树搜索（MCTS）的一种变体——树上置信上限（UCT）算法。UCT 有两个超参数：探索常数 ec 和最大程序长度 lp 。在实验中，我们将 lp 设置为 100， ec 设置为 10。同时，我们还使用了遗传编程（GP）进行对比，GP 的配置为：种群大小 32，采用排名选择，变异率 0.1，交叉率 0.9，最大树深度 7。

为了考虑算法的随机性，UCT 和 GP 都运行了 30 次，每次运行的最大评估次数为 32,768 次。实验在配备 Core i7 6700、8GB RAM 的机器上进行，操作系统为 Ubuntu 14.04，Java 版本为 1.7.0 80，Python 运行时版本为 2.7.11。

适应度函数

适应度函数用于评估候选程序的优劣。它考虑了三个方面：程序是否可执行、是否打印正确输出以及是否返回正确输出。对于一个程序 P 和测试套件 T ，适应度函数 f(P, T) 的定义如下：