FSE2021在线会议上颁奖截图
智能与计算学部2018级本科生杨晨
ESEC/FSE由ACM主办，是软件工程领域国际顶级会议之一，是软件工程领域研究人员、教育从业人员和工业界人士介绍与讨论领域最新思想、创新成果、研究趋势和分享经验的首要论坛之一，同时也是中国计算机学会推荐国际学术会议（软件工程、系统软件与程序设计语言）A类会议(CCF-A)。
除学生科研竞赛金牌外，学部软件工程团队另有六篇论文被该会议接收为长文（包含5篇Research Track长文及1篇Industry Track长文），其中1篇Research Track长文荣获最佳论文奖（ACM SIGSOFT Distinguished Paper Award）：
1.A Comprehensive Study of Deep Learning Compiler Bugs（陈俊洁副教授，其中2020级硕士生沈庆超为第一作者，Research Track）
2.Exposing Numerical Bugs in Deep Learning via Gradient Back-propagation（陈俊洁副教授、王赞副教授，其中2021级博士生闫明为第一作者，Research Track）
3.Probabilistic Delta Debugging（陈俊洁副教授，最佳论文奖，Research Track）
4.Identifying Bad Software Changes via Multimodal Anomaly Detection for Online Service Systems（陈俊洁副教授，Research Track）
5.LS-Sampling: An Effective Local Search Based Sampling Approach for Achieving High t-wise Coverage（陈俊洁副教授，Research Track）
6.A Comprehensive Study on Learning-based PE Malware Family Classification Methods（刘爽副教授、姜佳君副研究员，Industry Track）
下述为该学生竞赛金牌成果简介：
该成果提出了一种基于代码表示的程序缺陷自动修复加速技术，利用代码表示和动态补丁过滤策略加速现有的程序缺陷自动修复方法，并与领域内先进的程序缺陷自动修复工具SimFix结合并测试，实现了新颖的程序缺陷修复加速技术AccPR。
本论文首次将深度学习技术应用到基于相似代码的程序缺陷自动修复方法中去，具体来说，AccPR提出了一种基于代码表示的代码相似度衡量方法，并提出了一种动态的补丁过滤机制，即利用优化的相似度衡量方法对相似代码搜索和候选补丁排序进行优化，并利用动态过滤机制对候选补丁进行过滤，提升程序缺陷自动修复技术的修复效率。
AccPR流程
本论文对该方法进行了实现，并与目前最先进的基于相似代码的自动程序缺陷修复技术SimFix进行了结合。通过程序缺陷自动修复领域广泛使用的数据集Defects4j来验证方法的有效性。实验结果表明，平均修复用时减少了47.85%，AccPR可以显著提高SimFix的修复效率。
相关论文完整信息如下：
1. A Comprehensive Study of Deep Learning Compiler Bugs. Qingchao Shen, Haoyang Ma, Junjie Chen, Yongqiang Tian, Shing-Chi Cheung, Xiang Chen
2. Exposing Numerical Bugs in Deep Learning via Gradient Back-propagation. Ming Yan, Junjie Chen, Xiangyu Zhang, Lin Tan, Gan Wang, Zan Wang
3. Probabilistic Delta Debugging. Guancheng Wang, Ruobing Shen, Junjie Chen, Yingfei Xiong, Lu Zhang (ACM SIGSOFT Distinguished Paper Award)
4. Identifying Bad Software Changes via Multimodal Anomaly Detection for Online Service Systems. Nengwen Zhao, Junjie Chen, Zhaoyang Yu, Honglin Wang, Jiesong Li, Bin Qiu, Hongyu Xu, Wenchi Zhang, Kaixin Sui, Dan Pei
5. LS-Sampling: An Effective Local Search Based Sampling Approach for Achieving High t-wise Coverage. Chuan Luo, Binqi Sun, Bo Qiao, Junjie Chen, Hongyu Zhang, Jinkun Lin, Qingwei Lin, Dongmei Zhang
6. A Comprehensive Study on Learning-based PE Malware Family Classification Methods. Yixuan Ma, Shuang Liu, Jiajun Jiang, Guanhong Chen, Keqiu Li (Industry Track)
（编辑 张华 陈可）
