005-研究方案及可行性分析

1、3擬采取的研究方案及可行性分析擬采取的研究方案及可行性分析（包括研究方法、技術(shù)路線、實驗手段、關(guān)鍵技術(shù)等說明）；研究方法研究方法基于以往在軟件研究方面的積累，緊密圍繞上述目標、研究內(nèi)容和關(guān)鍵問題，本項目擬從基本方法研究、模型、關(guān)鍵技術(shù)研究，以及技術(shù)方法驗證四個方面相結(jié)合的方式，對基于BigCode深度背景增強的roid代碼反混淆開展研究。結(jié)合研究內(nèi)容，相應(yīng)的整體研究方案由6個研究步驟組成(圖1)：基本方法部分包括步驟(一)“基于BigC

2、ode遷移分析的代碼背景信息增強方法”；模型部分包括步驟(二)“基于代碼克隆檢測的代碼摘要模型”；關(guān)鍵技術(shù)研究部分包括步驟(三)“基于神經(jīng)語言模型推理的混淆代碼理解與標注”、步驟(四)“目標代碼摘要引導(dǎo)的混淆逆向轉(zhuǎn)換與結(jié)果優(yōu)化”和步驟(五)“混淆逆向結(jié)果質(zhì)量評估”；技術(shù)方法驗證部分包括步驟(六)“深度背景增強的roid代碼反混淆驗證”。圖1、“基于BigCode深度背景增強的roid代碼反混淆”的研究方法3、BigCode背景信息深度增

3、強的roid代碼反混淆3.1roid混淆代碼的規(guī)則與統(tǒng)計分析3.2BigCode背景信息深度增強的roid代碼反混淆?基于神經(jīng)語言模型的roid代碼反混淆模型構(gòu)建?BigCode背景信息深度增強的roid代碼反混淆模型3.3基于混淆差異性的反混淆代碼分析4、roid代碼反混淆的優(yōu)化4.1基于多源數(shù)據(jù)的roid代碼反混淆優(yōu)化4.3谷歌roid編碼規(guī)范指導(dǎo)的反混淆代碼優(yōu)化4.2基于混淆差異性的roid代碼反混淆優(yōu)化5.1人（專家）機結(jié)合的反

4、混淆代碼質(zhì)量評估5.2基于目標任務(wù)的roid代碼反混淆模型質(zhì)量評估5、roid代碼反混淆的質(zhì)量評估1、面向roid代碼反混淆基于BigCode遷移分析的代碼背景信息增強方法A、基本方法C、關(guān)鍵技術(shù)6、深度背景增強的roid代碼反混淆驗證指導(dǎo)指導(dǎo)檢驗反饋支持B、模型D、方法、模型、技術(shù)驗證檢驗研究目標(1)實現(xiàn)實現(xiàn)研究目標(2)實現(xiàn)反饋指導(dǎo)2、基于代碼分析多任務(wù)的代碼語義模型2.1BigCode多種代碼分析任務(wù)梳理與反混淆任務(wù)背景信息代碼

5、集構(gòu)建2.2基于代碼分析多任務(wù)的代碼語義模型構(gòu)建反饋研究目標(4)5.3基于優(yōu)質(zhì)測試集的roid代碼反混淆模型質(zhì)量評估研究目標(3)實現(xiàn)實現(xiàn)實現(xiàn)一、基于隱性情境挖掘的API微環(huán)境的組合服務(wù)方法二、基于隱性情景挖掘的API樣例代碼的混合推薦四、基于正交分類語義的API樣例代碼資源空間模型五、基于語義鏈網(wǎng)絡(luò)的API情境知識圖譜六、API微環(huán)境服務(wù)的支持工具三、API微環(huán)境服務(wù)的語義挖掘增強機制研究目標(1)研究目標(2)反饋反饋反饋支持指導(dǎo)

6、檢驗檢驗B、關(guān)鍵技術(shù)支持實現(xiàn)實現(xiàn)A、基本方法C、支持工具（套件）D、方法、技術(shù)、軟件工具驗證實現(xiàn)實現(xiàn)研究目標(4)研究目標(3)七、基于隱性情境挖掘的API微環(huán)境服務(wù)的驗證API樣例代碼構(gòu)成的微環(huán)境(由不同情境劃分的代碼信息空間)圖4、“基于隱性情境挖掘的API微環(huán)境組合服務(wù)方法和關(guān)鍵技術(shù)”的研究方法■方法研究與關(guān)鍵技術(shù)研究之間：步驟(1)“基于隱性情境挖掘的API微環(huán)境的組合服務(wù)方法”的研究成果作為制定的服務(wù)基本方法用于指導(dǎo)方案的關(guān)鍵

7、技術(shù)研究?！鲫P(guān)鍵技術(shù)研究內(nèi)部：，步驟(2)“基于隱性情境挖掘的API樣例代碼的混合推薦”、步驟(4)“基于正交分類語義的API樣例代碼資源空間模型”和步驟(5)“基于關(guān)聯(lián)語義鏈網(wǎng)絡(luò)的API情境知識圖譜”屬于并行開展的信息獲取技術(shù)，共同形成步驟（1）組合服務(wù)方法的支撐技術(shù)。項目實際實施過程中，由于步驟(2)“基于隱性情境挖掘的API樣例代碼的混合推薦”重要性較高，項目方案選擇先開展步驟(2)的研究工作。步驟(2)的工作需要步驟(3)“AP

8、I微環(huán)境服務(wù)的語義挖掘增強機制”在諸如領(lǐng)域詞庫等語義技術(shù)優(yōu)化方面增加支撐力度。同時步驟(3)也是同時為后繼的步驟(4)“基于正交分類語義的API樣例代碼資源空間模型”和步驟(5)“基于關(guān)聯(lián)語義鏈網(wǎng)絡(luò)的API情境知識圖譜”提供語義技術(shù)優(yōu)化方面的支撐?！鲕浖С止ぞ哐邪l(fā)與方法和關(guān)鍵技術(shù)研究之間：研究步驟(6)“基于隱性情境挖掘的API微環(huán)境服務(wù)的支持工具”有助于搭建軟件支撐環(huán)境，幫助自動或半自動地實施步驟(1)總結(jié)的服務(wù)方法，以及步驟(2)