基于深度学习的数据竞争检测方法

chap0 Introduction
- 本文贡献：
- 原文及笔记下载
chap1 DeleRace
- 1.1 检测框架
- 1.2 选取实际应用程序
- 1.3 特征提取
- - 1.3.1 WALA 特征提取操作步骤
  - 1.3.2 数值特征（指令级别）
  - 1.3.3 文本特征（方法级别）
- 1.4 文本特征向量化
- - 使用 Keras 的嵌入层进行文本特征向量化
- 1.5 数据均衡分布——过采样
- 1.6 CNN—LSTM 神经网络
chap2 实验结果与分析
- 2.3 RQ（research question）
- 2.6 DeleRace检测结果
2.7 与其他深度神经网络方法对比

chap0 Introduction

数据竞争是指２个或多个线程同时访问１个内存位置并且至少有１个线程执行写操作.
DeleRace（deep-learning-based data race detection）：首先使用工具 WALA 从多个实际应用程序中中提取指令、方法和文件级别中多个代码特征，对其向量化并构造训练样本数据；；然后通过ConRacer 工具对真实数据竞争进行判定进而标记样本数据，并采用SMOTE 增强算法使正负数据样本分布均衡化；最后** 构建 CNN-LSTM 的深度神经网络 **，加以训练构建分类器，进而实现对数据竞争的检测。

本文贡献：

1）构建数据集用了26个不同领域的实际应用程序
2）提出一种适合数据竞争检测的深度学习模型DeleRace
3）验证了DeleRace 的有效性．

原文及笔记下载

点击下载

chap1 DeleRace

1.1 检测框架

DeleRace方法框架各功能标注如图所示

1.2 选取实际应用程序

从ＤａＣａｐｏ［２０］，ＪＧＦ［２１］，ＩＢＭＣｏｎｔｅｓｔ［２２］，ＰＪＢｅｎｃｈ［２３］四个基准测试程序套件中选取２６个含有数据竞争的并发程序

1.3 特征提取

1.3.1 WALA 特征提取操作步骤

1.3.2 数值特征（指令级别）

每个访问操作包含４条指令级别的特征．

1.3.3 文本特征（方法级别）

每个访问操作均包含包名、类名、方法名、变量名等文本特征，其中包名和类名为文件级别的特征，方法名和变量名为方法级别的特征．

1.4 文本特征向量化

使用 Keras 的嵌入层进行文本特征向量化

1）首先将单词表中的单词进行词频统计并进行整数编码；
2）然后将每个单词的编码Ｍ经过嵌入层处理后映射为一个８维向量；
3）对嵌入层进行训练并更新权重；
4）最后得到一个真正可以代表每个单词的数值向量

1.5 数据均衡分布——过采样

SMOTE：其基本思想是对少数类样本进行分析，并根据少数类样本合成新样本，然后添加到数据集中。

这里先选定一个正样本，找出这个正样本
的Ｋ近邻（假设Ｋ＝４），随机从Ｋ个近邻中选择一
个样本，在正样本和被选出的近邻样本的连线上随
机找一个点，这个点就是我们生成的新的正样本，一
直重复这个过程，直到正样本和负样本数量均衡．通
过ＳＭＯＴＥ算法，将原有的１２８３６条训练样本扩充
到２５４３８条，从而使正样本和负样本的数据样本数
量达到了均衡．

如图３所示

1.6 CNN—LSTM 神经网络

训练网络时，首先将每对访问操作的特征信息输入到ＣＮＮ－ＬＳＴＭ神经网络中；，每个卷积层后都有一个最大池化层来降低特征维数，避免过拟合．函数Ｃｏｎｃａｔｅｎａｔｅ把ＣＮＮ输出的卷积特征和ＬＳＴＭ提取的时序特征融合到另一个全连接层进行二分类，并通过Ｄｒｏｐｏｕｔ方法来防止过拟合，最终输出测试程序中含有数据竞争的个数．

chap2 实验结果与分析

2.3 RQ（research question）

通过回答6个研究问题对 DeleRace 方法进行评估

2.6 DeleRace检测结果

RQ2：DeleRace 是否能准确有效地检测出数据竞争？（表7）

2.7 与其他深度神经网络方法对比

RQ3：DeleRace是否优于现有的基于深度学习的数据竞争检测工具，与其他的深度神经网络相比， DeleRace的表现会如何（表8）

深度学习——day38 读论文：基于深度学习的数据竞争检测方法（DeleRace计算机研究与发展 2022）相关推荐

在envi做随机森林_基于模糊孤立森林算法的多维数据异常检测方法
引用:李倩, 韩斌, 汪旭祥. 基于模糊孤立森林算法的多维数据异常检测方法[J]. 计算机与数字工程, 2020, 48(4): 862-866. 摘要:针对孤立森林算法在进行异常检测时,忽略了每一条 ...
python小波分析法检测火焰_一种基于小波分析的网络流量异常检测方法
一种基于小波分析的网络流量异常检测方法杜臻 ; 马立鹏 ; 孙国梓 [期刊名称] <计算机科学> [年 ( 卷 ), 期] 2019(046)008 [摘要] 对大量网络流量数据进行高质 ...
论文学习——基于集成LSTM-AE的时间序列异常检测方法
文章目录 0 封面 1 标题 2 摘要 3 结语 4 引言 4.1 一个问题 4.1 新方向 5 实验设计写在前面:<华中科技大学学报(自然科学版)>:主办单位:华中科技大学:中文核心: ...
论文基于度量学习的小样本学习研究阅读心得
论文主要工作: 本文提出带间隔的小样本学习, 提升了所学习嵌入表示的质量. 为引入间隔, 本文根据小样本场景特点提出了多路对比损失, 使得小样本学习模型可以学习到一个更加具有判别性的度量空间,同时泛化 ...
【自然语言处理】【对比学习】SimCSE：基于对比学习的句向量表示
相关博客: [自然语言处理][对比学习]SimCSE:基于对比学习的句向量表示 [自然语言处理]BERT-Whitening [自然语言处理][Pytorch]从头实现SimCSE [自然语言处理][ ...
深度相机物体三维重建_基于深度相机的实时物体三维重建方法与流程
本发明涉及三维成像领域,特别是一种能够实时地对物体或人体进行三维重建的方法. 背景技术: 三维重建技术一直是计算机图形学和计算机视觉领域的热点课题.三维重建就是从输入数据中建立3D模型.随着各种面向普 ...
论文笔记：基于并行注意力 UNet的裂缝检测方法
0 简介论文:基于并行注意力 UNet的裂缝检测方法(Parallel Attention Based UNet for Crack Detection): 发表:2021年发表在<计算机研究 ...
论文：基于粒子群优化的测试数据生成及其实证分析－－－－－生成过程以及实验（计算机研究与发展）
来源:2012年版的计算机研究与发展期刊基于PSO的测试数据生成 (1) 核心问题: 如何保证PSO搜索算法和测试过程的协作运行算法的基本的流程: (1)对被测程序P进行静态分析并完成: 1. ...
基于激光雷达点云的3D检测方法汇总(LiDAR only)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨柒柒@知乎来源丨https://zhuanlan.zhihu.com/p/436452723 ...

深度学习——day38 读论文：基于深度学习的数据竞争检测方法（DeleRace计算机研究与发展 2022）