PPgSC/UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO ADMINISTRAÇÃO DO CCET Téléphone/Extension: (84)3342-2225/115 https://posgraduacao.ufrn.br/ppgsc

Banca de QUALIFICAÇÃO: RODRIGO LAFAYETTE DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
STUDENT : RODRIGO LAFAYETTE DA SILVA
DATE: 01/08/2022
TIME: 10:00
LOCAL: Videoconferência via Zoom
TITLE:

Utilizando Aprendizado de Máquina na Identificação de Null Pointer Exceptions em Análise Estática de Código em Java


KEY WORDS:

Java, Null Pointer Exception, análise estática, Aprendizado de Máquina


PAGES: 60
BIG AREA: Ciências Exatas e da Terra
AREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
SPECIALTY: Engenharia de Software
SUMMARY:

Por uma questão de flexibilidade, as linguagens de programação orientadas a objetos convencionais admitem valores nulos para referências. Na linguagem de programação Java, o uso de uma referência de objeto com um valor nulo causa o lançamento de uma exceção do tipo Null Pointer Exception (NPE), uma das causas mais frequentes de falhas em aplicações escritas nessa linguagem. A análise estática tem sido utilizada para inspecionar artefatos de software como código fonte ou código binário visando localizar a origem de faltas sem que seja necessário executar o programa de forma orientada a depuração. Apesar de sua eficácia, a análise estática baseia-se em um conjunto fixo e estático de regras que descrevem padrões de ocorrência de faltas e é conhecida por um número significativo de falsos positivos. Este estudo investiga como o uso de técnicas de Aprendizado de Máquina (AM) pode melhorar a precisão da detecção de faltas relacionadas a NPE por meio de análise estática, uma linha ainda inexplorada na literatura e na indústria de software. O objetivo principal é propor, implementar e avaliar uma abordagem baseada em classificação que enderece o problema da detecção de faltas relacionadas a NPE em código Java. As contribuições esperadas deste trabalho são: (i) compreender como as técnicas de AM podem ser usadas para detectar essas faltas por meio de análise estática; (ii) uma ferramenta de análise estática para detectar faltas relacionadas a NPE com base em técnicas de AM, e; (iii) uma avaliação do desempenho das técnicas de AM em comparação às ferramentas tradicionais de análise estática.


COMMITTEE MEMBERS:
Presidente - 2316877 - EVERTON RANIELLY DE SOUSA CAVALCANTE
Interna - 2524467 - MARJORY CRISTIANY DA COSTA ABREU
Interna - 1709820 - ROBERTA DE SOUZA COELHO
Externo ao Programa - 1669545 - DANIEL SABINO AMORIM DE ARAUJO - UFRN
Notícia cadastrada em: 11/07/2022 09:33
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa14-producao.info.ufrn.br.sigaa14-producao