基于C-C++代碼庫的API調(diào)用模式挖掘研究及實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)技術(shù)的發(fā)展及人類需求的驅(qū)動，并且數(shù)據(jù)庫技術(shù)的齊頭并進(jìn)，這讓人類有能力存儲和高效管理海量數(shù)據(jù)。人類積累的數(shù)據(jù)越來越多，所謂的大數(shù)據(jù)時代因此產(chǎn)生。面對海量數(shù)據(jù)，能否從中找出有用信息進(jìn)而對人類行為進(jìn)行指導(dǎo)呢？答案是肯定的，數(shù)據(jù)挖掘技術(shù)要解決的就是這個問題。數(shù)據(jù)挖掘已經(jīng)在各行各業(yè)得到了廣泛應(yīng)用。本文研究工作就是在上述大背景及需求下展開。
　　由于C++語言兼容C語言，同時不同的開發(fā)語言語法及架構(gòu)不同，API序列提取的方法不同，本文選

2、擇比較主流的語言-C/C++語言，即C/C++代碼庫作為本文數(shù)據(jù)挖掘研究的輸入。C/C++開發(fā)人員對API使用都基于手工查找和搜索引擎查找，要找到真正需要的內(nèi)容十分困難?，F(xiàn)在的代碼搜索技術(shù)雖然可以找到API使用相關(guān)的代碼，但通過這種方式可以找到的代碼片段非常多，逐一分析也很費(fèi)時。本文工作就是基于C/C++代碼庫的API調(diào)用模式的挖掘研究及系統(tǒng)軟件實(shí)現(xiàn)。主要工作如下：
　　1.對C/C++語言的序列提取技術(shù)進(jìn)行研究提出了一種有效的序

3、列提取方法。
　　2.通過設(shè)計了本應(yīng)用場景下的數(shù)據(jù)庫，可以遠(yuǎn)程訪問數(shù)據(jù)庫，為系統(tǒng)的并行處理打下基礎(chǔ)。
　　3.對聚類算法進(jìn)行了研究，設(shè)計并實(shí)現(xiàn)了本應(yīng)用下的聚類算法。
　　4.研究了聚類效果評判的相關(guān)標(biāo)準(zhǔn)，大膽提出合理的假設(shè)，提出了本應(yīng)用場景下聚類結(jié)果的評判標(biāo)準(zhǔn)。
　　5.設(shè)計并實(shí)現(xiàn)搜索模塊，該模塊可以快速高效的對聚類結(jié)果進(jìn)行查詢，將查詢結(jié)果返回給用戶。
　　6.設(shè)計并實(shí)現(xiàn)了基于C/C++代碼庫API調(diào)用模式

4、挖掘系統(tǒng)工具。
　　本文設(shè)計及實(shí)現(xiàn)的系統(tǒng)挖掘工具具備4種特性，如下：
　　1.高性能，該工具能夠5分鐘內(nèi)完成100K C/C++代碼的API序列提取，平均每一萬個API使用模式搜索響應(yīng)時間小于2s。
　　2.處理大數(shù)據(jù)，API挖掘工具能完成百萬行級C/C++代碼的API使用模式挖掘，并完成聚類分析。
　　3.特殊功能，支持重載函數(shù)和函數(shù)作用域等C++語法分析。
　　4.模塊化模式，聚類功能不與其他功能耦合，