SABER公司 swMATH ID: 33952 软件作者： Reimer，D.，Schonberg，E.，Srinivas，K.，Srinovasan，H.，Alpern，B.，Johnson，D.R.，Kershenbaum，A.，Koved，L。 描述： SABER：基于智能分析的错误减少。在本文中，我们提出了一种在使用框架的大型Java应用程序中自动检测高影响编码错误的方法。这些影响较大的错误会在实际生产环境中导致严重的性能下降和停机，检测起来非常耗时，可能会给企业带来数千美元的成本。基于在IBM客户生产系统方面3年的工作经验，我们已经确定了400多个影响较大的编码模式，从中我们能够提取出一小组模式检测算法。这些算法使用深入的静态分析，从而在开发周期的早期将问题检测从生产转移到开发。此外，我们还开发了一种基于领域特定知识的自动误报过滤机制，以达到IBM现场工程师可以接受的可用性水平。我们的方法还提供了有关问题来源的必要背景信息，以帮助解决问题。我们概述了如何将问题确定方法扩展到多个编程模型和领域。我们在SABER工具中实现了这种问题确定方法，并成功地将其用于检测几个大型商业应用程序中的许多严重代码缺陷。本文显示了四个具有60多个编码缺陷的此类应用程序的结果。 主页： https://dl.acm.org/doi/abs/10.1145/1007512.1007545 相关软件： PQL公司;DynaMine公司;自由基;代码2seq;雅高;DBpedia（数据库）;github;蟒蛇;图4代码;联合 引用于： 0出版物