[논문 리뷰] LVMapper: A Large-variance Clone Detector Using Sequencing Alignment Approach

Ming Wu, Pengcheng Wang외 4명|arXiv (Cornell University)|2019. 09. 10.

Software Engineering Research참고 문헌 41인용 수 4

한 줄 요약

LVMapper는 생물정보학에서 유래한 서열 정렬 원리를 활용하여 산산이 흩어지거나 집중적으로 수정된 대량의 변형을 가진 코드 클론을 탐지하는 새로운 클론 검출 도구이다. 동적 임계값 설정을 적용한 시드-확장 전략을 통해 대규모 변형을 가진 클론, 특히 유형-3 클론에 대해 뛰어난 재현율과 정밀도를 달성한다. 실제 및 합성 데이터셋에서 기존 최고 수준의 도구인 CCAligner와 SourcererCC를 능가한다.

ABSTRACT

To detect large-variance code clones (i.e. clones with relatively more differences) in large-scale code repositories is difficult because most current tools can only detect almost identical or very similar clones. It will make promotion and changes to some software applications such as bug detection, code completion, software analysis, etc. Recently, CCAligner made an attempt to detect clones with relatively concentrated modifications called large-gap clones. Our contribution is to develop a novel and effective detection approach of large-variance clones to more general cases for not only the concentrated code modifications but also the scattered code modifications. A detector named LVMapper is proposed, borrowing and changing the approach of sequencing alignment in bioinformatics which can find two similar sequences with more differences. The ability of LVMapper was tested on both self-synthetic datasets and real cases, and the results show substantial improvement in detecting large-variance clones compared with other state-of-the-art tools including CCAligner. Furthermore, our new tool also presents good recall and precision for general Type-1, Type-2 and Type-3 clones on the widely used benchmarking dataset, BigCloneBench.

연구 동기 및 목표

• 기존 도구가 자주 간과하는 산산이 흩어진 수정을 가진 대량의 변형 클론을 탐지하는 데 있어 발생하는 격차를 메운다.
• 형식적 차이가 있음에도 불구하고 의미적으로 유사한 유형-3 클론에 대해 클론 탐지 성능을 향상시킨다.
• 수정이 광범위하고 집중되지 않은 경우에도 높은 성능을 유지할 수 있도록 확장 가능하고 정밀한 방법을 개발한다.
• CCAligner와 같이 큰 간격(집중된) 수정만을 고려하는 것과, 저임계값에서 정확도를 희생하는 SourcererCC 등의 기존 도구의 한계를 극복한다.
• 버그 탐지, 코드 완성, 리팩터링과 같은 소프트웨어 공학 작업을 지원하기 위해, 유사한 수정을 거친 동족적 클론을 탐지할 수 있도록 한다.

제안 방법

• 제3세대 서열 정렬에 영감을 받은 시드-확장 전략을 채택하여, 고정된 크기의 연속된 라인 조각(시드)을 사용해 후보 클론 쌍을 효율적으로 탐색한다.
• 순서 유지 코드 라인 시퀀스의 존재를 기반으로 한 히ュ리스틱 알고리즘을 적용하여 클론을 검증함으로써 기존의 최장 공통 부분수열(LCS) 계산보다 효율성을 높인다.
• 코드 크기에 따라 조정되는 동적 임계값 메커니즘을 도입하여, 더 높은 수정 변동성을 가진 클론을 탐지하면서도 정밀도를 유지한다.
• 전체 검증 이전에 시드 매칭 기반의 필터링 단계를 도입하여 임의의 양성 결과를 줄이고 계산 오버헤드를 최소화한다.
• 어휘적 유사성과 구조적 유지 능력을 클론 관계의 지표로 활용하여 소프트웨어 진화 과정에서 흔히 나타나는 동족적 수정에 초점을 맞춘다.
• 대규모 코드베이스를 효율적으로 처리할 수 있는 확장 가능한 아키텍처를 구현하여, 30M-LOC 데이터셋에서 약 3시간 내로 실행을 완료한다.

실험 결과

연구 질문

• RQ1 서열 정렬에 영감을 받은 접근 방식이 기존 도구의 범위를 넘어서 산산이 흩어진 수정을 가진 대량의 변형 클론을 효과적으로 탐지할 수 있는가?
• RQ2 LVMapper의 동적 임계값 설정 전략이 다양한 수준의 코드 수정에서 재현율과 정밀도에 어떤 영향을 미치는가?
• RQ3 LVMapper가 CCAligner, SourcererCC, CCFinderX와 같은 최고 수준의 도구들보다 유형-3 클론 중 높은 변형을 가진 경우에 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 실제 소프트웨어 프로젝트와 합성 벤치마크에서 기존 방법들과 비교해 LVMapper의 확장성과 정확도 면에서 어떤 성능을 보이는가?
• RQ5 제안된 방법이 유사한 의미적 요소를 공유하지만 문법적 구조가 다를 수 있는 동족적 및 이종적 개발 시나리오 모두에서 클론을 탐지할 수 있는가?

주요 결과

• LVMapper는 산산이 흩어진 수정을 가진 대량의 변형 클론 탐지에서 CCAligner를 크게 능가하며, 특히 CCAligner가 포착하지 못하는 경우에 뚜렷한 성능 향상을 보인다.
• BigCloneBench 데이터셋에서 LVMapper는 다른 도구들에 비해 중간 수준의 유형-3 및 약한 유형-3&4 클론에 대해 더 높은 재현율과 정밀도를 달성하여 문법적 변형을 더 잘 탐지함을 시사한다.
• 동적 임계값 설정 메커니즘이 코드 크기와 복잡도에 따라 조정되므로, 높은 수정 비율에서도 높은 정밀도를 유지한다.
• LVMapper는 뛰어난 확장성을 보이며, 30M-LOC 코드베이스를 약 3시간 내로 처리함으로써 대규모 소프트웨어 저장소에 대한 적용 가능성을 보여준다.
• 히ュ리스틱 검증 알고리즘이 전체 LCS 계산 대비 계산 비용을 줄이면서도 탐지 정확도를 유지한다.
• 실험 결과, 일부 데이터셋에서 대량의 변형 클론이 전체 유형-3 클론의 절반 이상을 차지함을 확인하여 이러한 클론을 탐지하는 것이 중요함을 시사한다.