[发明专利]基于人工智能决策树的分层检测软件行为缺陷的方法和系统

摘要

本发明提供一种基于人工智能决策树的分层检测软件行为缺陷的方法和系统，首先对软件进行测试，测试之后形成相应的数据，利用所述历史数据构建人工智能决策树，提取软件行为的分类规则，然后在软件运行过程中，针对软件运行时的软件行为，对信息系统建立基于系统层、状态层和功能层的分层检测软件行为缺陷的模型，先检测系统层和状态的风险行为和异常行为，在所述系统层和状态层中无软件行为缺陷时，再进行功能层检测。采用本发明的方法与传统的缺陷检测方法进行对比，在软件运行过程中发现缺陷后准确定位缺陷产生原因的时间比传统的检测方法有了明显提升。

主权项

1.一种基于人工智能AI决策树分层检测软件行为缺陷的方法，其特征在于，所述方法包括：根据预先生成的基于软件行为的AI决策树，对软件运行中的软件行为进行分类，将软件行为划分为正常行为，风险行为和异常行为；利用系统层检测来检测风险行为和异常行为，利用隐马尔可夫模型的学习问题为每个调用序列建立一个隐马尔可夫模型，通过所述隐马尔可夫模型确定系统进行状态转换的概率，并根据所述进行状态转换的概率的大小判断所述软件行为是否有缺陷，以及根据软件行为实际状态转移的情况是由于系统设计问题产生，还是在系统运行过程中存在问题或者是软件运行时权限分配过程出现问题造成这种不正常的状态转移状况，以此确定软件行为缺陷是系统设计缺陷、系统运行缺陷或者权限分配缺陷，其中所述调用序列是系统调用应用程序获得产生的顺序序列；利用状态层检测来检测风险行为和异常行为，将所述行为的状态图转换成Petr i网后采用偏差密度技术对软件行为的状态序列进行检测，通过计算偏差行为在总体行为中所占的比例，确定所述软件行为的偏差密度值，当所述偏差值超过规定阈值时，确定软件行为缺陷是数据设计缺陷；在针对风险行为和异常行为的检测中，当系统层检测和状态层检测中未检测到软件行为缺陷时，促使功能层检测通过将软件运行时的功能执行顺序与预先设置的标准状态序列进行对比，并通过预先设置的功能语义树对软件的状态进行分析，功能语义树规定了软件的具体功能以及各功能间的逻辑关系，比较软件运行时的功能执行顺序与标准状态序列的偏差部分，根据功能语义树的定义分析偏差出现的原因是由于运行时信息交互过程发生问题还是由于功能间的逻辑连接出现问题，功能间的逻辑问题又分为功能设计缺陷问题和功能运行缺陷问题，经过具体分析后确定所述软件行为的缺陷是信息交互缺陷、功能设计缺陷或者功能运行缺陷。