基于机器学习的控制型软件安全性度量方法

项目名称： 基于机器学习的控制型软件安全性度量方法

项目编号： No.61373046

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 刘国荣

作者单位： 西安交通大学

项目金额： 77万元

中文摘要： 安全性分析和度量对核电站核反应控制系统、卫星导航系统及导弹和飞机的飞行控制系统等安全关键系统的安全运行有着重要的意义。然而，目前的安全性分析和度量方法主要用于硬件系统和软件系统的分析和设计阶段。拟开展项目旨在从软件代码出发，研究大型控制型软件的安全性度量问题，并构建相应的示范性验证实例。主要研究内容包括：（1）研究软件安全性度量机理，建立相应的安全性度量的方法体系；（2）探索基于代码的软件安全性度量模型及其自动生成方法和技术，建立软件安全性度量的基础；（3）研究正向安全性评价和反向安全性验证相结合的软件安全性度量方法，开发相应的安全性度量工具；（4）研究软件安全性关键状态识别方法，揭示安全性关键状态和软件事故间的关联关系，探索潜在软件缺陷预测方法及关键点加固机制，开发软件缺陷预测工具；（5）将上述成果用于某型号飞行控制软件系统的安全性度量，以检验本项目成果的有效性。

中文关键词： 软件SFT；软件FMEA；缺陷序列预测；元学习；双向度量

英文摘要： Safety analysis and measurement are very important for the nuclear power station control systems, the satellite navigation systems, the flight control systems of missiles and aircrafts, and other safety critical systems. However, the current safety analy

英文关键词： Software SFT；Software FMEA；Defect series prediction；Meta-learning；Bidirectional measurement