基于深度学习的并发错误检测与定位
软件工程
2025-08-29 v1
摘要
并发错误由多线程或分布式系统中共享资源的错误同步引起，难以检测，因而损害软件的可靠性和安全性。现有的深度学习方法面临三个主要局限性：首先，缺乏多样化并发错误的数据集；其次，它们对并发语义的表征不足；第三，二分类结果未能提供精确的错误位置信息，如具体的错误行。为解决这些问题，我们提出了一种有效的并发错误检测与定位方法。我们构建了一个专门的并发错误数据集以促进模型训练和评估。随后，我们将预训练模型与异构图神经网络（GNN）集成，通过引入新的 Concurrency-Aware Code Property Graph（CCPG）来简洁且有效地表征并发语义。为进一步促进调试，我们采用 SubgraphX，这是一种基于 GNN 的可解释性方法，探索图结构以精确定位并发错误，将其映射到源代码的具体行。我们的方法在多样化的评估场景下，平均将准确率和精确率提高了 10%，召回率提高了 26%。
引用
@article{arxiv.2508.20911,
title = {Deep Learning Based Concurrency Bug Detection and Localization},
author = {Zuocheng Feng and Kaiwen Zhang and Miaomiao Wang and Yiming Cheng and Yuandao Cai and Xiaofeng Li and Guanjun Liu},
journal= {arXiv preprint arXiv:2508.20911},
year = {2025}
}