2、基于CodeBERT的边缘云系统软件缺陷预测

基于CodeBERT的边缘云系统软件缺陷预测

1. 引言

边缘云系统是现代社会创新中至关重要的计算基础设施，能够以低延迟收集和处理大数据。随着对边缘云系统的关注度不断提高，为确保其可靠性而进行的测试研究也日益活跃。然而，由于边缘云系统结构复杂、源代码量大，且工作在地理和概念上分散的环境中，用于测试的资源总是有限的。

软件缺陷预测（SDP）是一种通过智能预测模型来预测易出现缺陷的模块，从而将有限的资源优先分配到这些模块上的技术。以往SDP的研究主要集中在使用C和JAVA语言编写的传统项目上，而在边缘云项目中应用SDP的研究尚未开展。因此，本文聚焦于使用Go语言编写的边缘云项目，提出了基于CodeBERT的即时（JIT）软件缺陷预测模型。

CodeBERT是一个在大量编程语言（PL）和自然语言（NL）对上进行预训练的强大深度学习双语模型，适用于直接应用于使用Go语言编写的项目。JIT SDP则是SDP的一种类型，它基于历史提交数据预测易出现缺陷的提交。由于每个提交都包含NL的提交消息和PL的源代码，CodeBERT可以生成压缩提交信息的嵌入向量，进而对其进行微调以预测易出现缺陷的提交。

为了评估该模型的性能，我们选择了两个使用Go语言编写的边缘云系统开源框架项目，并通过一种新颖的方法从GitHub平台收集和标记缺陷数据，生成了GitHub拉取请求（GHPR）数据集。然后在项目内和跨项目环境中对模型进行评估。实验结果表明，SDP可以在边缘云项目中有效应用，所提出的方法有助于解决边缘云系统测试时的资源限制问题。

2. 背景和相关工作

2.1 边缘云系统与软件缺陷预测（SDP）

边缘云计算带来了智能工厂