文献

J-GLOBAL ID：202202234728274817   整理番号：22A2146635

連合学習によるプライバシー保護を考慮したプロジェクト間バグ予測

著者 (5件)： 山本大貴 (九大) ,  RAJBAHADUR Gopi Krishnan (Centre for Software Excellence) ,  近藤将成 (九大) ,  亀井靖高 (九大) ,  鵜林尚靖 (九大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2022  号： SE-211  ページ： Vol.2022-SE-211,No.16,1-8 (WEB ONLY)  発行年： 2022年07月21日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： バグ予測モデルはソフトウェアプロジェクトに含まれるバグの発生率を予測できるため,デバッグ作業の支援の手法として活用されている.近年,バグ予測モデルを作成するためのデータが無い場合に,他人の持つデータを利用して学習したバグ予測モデルを用いてプロジェクトのバグを予測するCross Project Defect Prediction(CPDP)への関心が高まっている.CPDPでは他人のデータを利用することから,データのプライバシー保護が重要な課題の1つである.しかし,多くのCPDPの研究ではモデルの学習のためにプロジェクト間でのデータの共有が必要であり,プロジェクトの機密性を保護しながらプロジェクト間のバグを予測することを考慮していない.そこで本研究では,データ共有が不要な分散型の機械学習アプローチである連合学習(Federated Learning)を用いたCPDPモデルを提案し,CPDPに連合学習のモデルを利用した際の性能や特徴を明らかにする.連合学習のCPDPモデルと既存のCPDPモデルとの性能比較をAUCを用いて行った結果として,連合学習のモデルは実験に用いたデータセットの68%で予測性能の順位グループの2位以上に割り当てられ,既存のモデルと比較しても一定の予測性能があることを明らかにした.また,本研究の実験環境における連合学習のモデルの予測性能に及ぼす影響が大きい特徴量を調査し,本質的複雑度やコード行数のようなコードに関する特徴量は性能に影響を及ぼすことを明らかにした.(著者抄録)

シソーラス用語： プロジェクト ,  ソフトウェア開発 ,  *ソフトウェア障害 ,  予測 ,  *学習 ,  保護 ,  *プライバシー ,  データ保護 ,  情報 ,  比較 ,  回帰分析 ,  ソフトウェアプロジェクト ,  プライバシー保護 ,  特徴量
準シソーラス用語： データ共有 ,  バグ ,  モデル学習 ,  ロジスティック回帰 ,  性能比較 ,  連合学習

分類 (1件)： 計算機システム開発  (JD02010R)

引用文献 (13件)：

• Britton, T., Jeng, L., Carver, G., Cheak, P. and Katzenellenbogen, T.: Reversible Debugging Software: Quantify the time and cost saved using reversible debuggers, Technical report, Cambridge Judge Business School (2013).
• Zimmermann, T., Nagappan, N., Gall, H., Giger, E. and Murphy, B.: Cross-Project Defect Prediction: A Large Scale Experiment on Data vs. Domain vs. Process, Proceedings of the 7th Joint Meeting of the European Software Engineering Conference and the ACM SIGSOFT Symposium on The Foundations of Software Engineering, p. 91-100 (2009).
• Caglayan, B., Turhan, B., Bener, A., Habayeb, M., Miransky, A. and Cialini, E.: Merits of Organizational Metrics in Defect Prediction: An Industrial Replication, 2015 IEEE/ACM 37th IEEE International Conference on Software Engineering, Vol. 2, pp. 89-98 (2015).
• Peters, F. and Menzies, T.: Privacy and Utility for Defect Prediction: Experiments with MORPH, Proceedings of the 34th International Conference on Software Engineering, p. 189-199 (2012).
• Peters, F., Menzies, T., Gong, L. and Zhang, H.: Balancing Privacy and Utility in Cross-Company Defect Prediction, IEEE Transactions on Software Engineering, Vol. 39, pp. 1054-1068 (2013).

タイトルに関連する用語 (5件)： 学習 ,  プライバシー ,  プロジェクト ,  バグ ,  予測