JDQuery:基于代码知识图谱的Java源代码查询驱动缺陷定位

《Electronics》:JDQuery: Query-Driven Defect Localization for Java Source Code Based on Code Knowledge Graphs

【字体: 大 中 小 】 时间:2026年08月27日 来源:Electronics 2.9

编辑推荐:

  Java是最广泛使用的面向对象编程语言之一,使得准确高效的缺陷定位对提升软件质量与可靠性至关重要。传统静态分析技术主要依赖预定义规则与局部句法匹配,在捕捉程序实体间复杂结构与语义关系方面存在局限。针对这些不足,研究人员提出JDQuery,一种基于代码知识图谱的

  
Java是最广泛使用的面向对象编程语言之一,使得准确高效的缺陷定位对提升软件质量与可靠性至关重要。传统静态分析技术主要依赖预定义规则与局部句法匹配,在捕捉程序实体间复杂结构与语义关系方面存在局限。针对这些不足,研究人员提出JDQuery,一种基于代码知识图谱的Java源代码查询驱动缺陷定位框架。该框架将Java源代码解析为抽象语法树(AST),依据形式化领域本体抽取软件实体及其语义关系,构建融合句法与语义信息的统一代码知识图谱。基于Java缺陷的结构特征,缺陷模式被翻译为Cypher查询,通过图模式匹配实现灵活的缺陷定位。在多个开源Java项目(含注入缺陷与真实原生缺陷)上的实验表明,JDQuery在两个不同代码规模项目上分别取得97.20%与92.87%的精确率;与PMD的对比评估显示,JDQuery在保持可比精确率的同时显著提升了召回率。效率实验证明,即便处理大规模Java项目,JDQuery仍维持毫秒级查询延迟。
研究背景方面,Java作为现代软件开发中广泛使用的语言,其系统规模与复杂度持续增长,源代码缺陷可导致系统失效、安全漏洞及维护成本上升。现有静态分析工具(如PMD、Checkstyle、SpotBugs)多基于预定义规则与局部AST节点匹配,存在语义隔离、规则表达过程耦合、跨文件与非局部依赖分析能力不足三类局限;而知识图谱(Knowledge Graph, KG)能以统一图结构融合包、类、接口、方法等实体及其包含、继承、调用、异常处理等语义边,CodeQL等框架已验证关系查询范式的有效性,但传统语义查询框架常需为每个代码版本预编译大型关系库,部署敏捷性差。为此,研究人员开展基于代码知识图谱的查询驱动Java缺陷定位研究,提出JDQuery框架,在《Electronics》报道其于多规模开源项目上取得高精确率(P1: 97.20%,P2: 92.87%)、低误报及毫秒级查询效率,证明图结构表示可为Java缺陷定位提供统一且可扩展的基础。
关键技术方法上,研究人员选用commons-cli(约1.15万行)、commons-io(约9.25万行)等GitHub开源Java项目为样本队列,采用JavaParser生成AST;基于OWL形式化Java领域本体(45类、51对象属性、36数据属性);遍历AST按本体映射实体/属性/关系至实例层;以RDF到属性图无损映射存入Neo4j图数据库;将35种Java缺陷模式形式化为声明式图查询并译为Cypher执行匹配。
研究结果部分,第3节方法(Methods)给出两阶段流程:规范引导的代码知识图谱构建(本体定义—AST生成—实例层构建—Neo4j持久化)与查询驱动缺陷定位(缺陷模式分析—Cypher规则制定—查询执行—结果生成),以抽象类暴露公有构造器(ACP)为例展示模式到Cypher的转化。第4节结果(Results)中,数据集设置(Dataset Setting)采用变异注入策略在选中项目注入预设缺陷并保留原生缺陷人工核验集;缺陷定位有效性(Defect Localization Effectiveness)在P1(454缺陷)得精确率97.20%、召回率91.85%、F值94.45%,在P2(1404缺陷)得92.87%、85.33%、89.00%,召回下降主因是跨语句/分支的数据流依赖未被完全建模;对比实验(Comparison Experiment)在P2上与PMD 6.51.0默认配置比,对10类共有缺陷JDQuery注入缺陷子集精确率96.97%、召回95.05%,PMD为94.52%、68.32%,JDQuery召回显著占优;效率结果(Efficiency Results)图谱构建时间随代码量近线性增长(commons-cli 1.24 s至kafka 106.31 s,约每万行1 s),单文件查询平均1.90 ms,P2级项目查询3.03–137.50 ms,证实毫秒级响应。第5节讨论(Discussion and Future Works)指出内部效度上当前图谱缺显式控制流图(CFG)致嵌套条件内数据流误负,外部效度上本体紧耦Java规范难直扩至动态语言或多语种系统,未来将引入CFG/数据流扩展、增量解析及更宽数据集。第6节结论(Conclusions)翻译为:本研究提出一种基于代码知识图谱、利用程序抽取语义与结构信息的Java源代码缺陷定位方法;通过将Java缺陷模式转为声明式图查询,JDQuery在构建的代码知识图谱上建立查询驱动定位流程,可识别涉及跨节点与跨文件关系的复杂缺陷结构;开源项目实验证明该方法在不同代码规模下具有高定位精确率、低误报率与高效查询执行,表明将Java程序表示为统一代码知识图谱可为查询驱动缺陷定位提供有效基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号