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

边缘云系统作为现代社会创新中至关重要的计算基础设施，在收集和处理大数据时具备低延迟的显著优势。随着对边缘云系统的关注度不断攀升，为确保其可靠性而开展的测试研究也日益活跃。然而，边缘云系统结构复杂，源代码数量庞大，且需在地理和概念上分布的环境中运行，这使得可投入测试的资源始终有限。

软件缺陷预测（SDP）技术可以通过智能预测模型识别易出现缺陷的模块，从而将有限的资源优先分配给这些模块，提高系统质量。不过，以往的SDP研究大多聚焦于用C和JAVA语言编写的传统项目，在边缘云项目中的应用尚属空白。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。

2. 背景与相关工作

2.1 边缘云系统与软件缺陷预测（SDP）

边缘云计算推动了智能工厂、智能医疗系统和智能交通系统等重大技术创新，这也引发了对边缘云系统测试的研究。但和传统软件系统一样，边缘云系统测试资源有限，SDP则是解决这一问题的有效途径。

SDP可根据使用的特征分为手工特征和自动学习特征两类。随着深度神经网络（DNN）的发展，自动学习特征在SDP等软件工程领域得到广泛应用，展现出比传统手工特征更出色的效果。本文采用从CodeBERT提取的自动学习特征，CodeBERT是基于大量源代码语料库预训练的基于Transformer的DNN模型。

2.2 边缘云系统与Go语言

Go语言于2012年首次发布，在边缘云系统中具有诸多优势。它具备类型安全和内存安全特性，能弥补边缘云系统中可能存在的漏洞；其并发原语使程序添加并发