Detecting Argument-Swap Bugs Using Context-Enhanced Code Representations

本文由 paper-daily 使用 DeepSeek 自动生成，仅供快速了解论文；关键结论请以原文为准。

论文原文 · PDF · 源文件

【一句话总结】BugProbe 通过融合多源上下文与名称相似度，在不依赖调用-定义映射的前提下有效检测 Python 参数顺序错误。

基本信息

属性	内容
作者	Subrata Das, Ali Aman, Muhammad Asaduzzaman, Kawser Wazed Nafi, Salimur Choudhury
来源	arXiv:2609.17844
发布日期	2026-09-15
抓取领域	软件工程 · 分析/测试/合成
学科方向	软件工程
arXiv 分类	cs.SE
适用层次	前沿
标签	【标签】参数顺序缺陷检测, 动态类型语言, 代码表示学习, 上下文增强, 合成数据生成
PDF	在线阅读
代码仓库	暂无

---

问题的初衷（Why - 为什么要做这个研究）

【问题的初衷】在软件开发中，源代码元素（如方法名、参数名）蕴含丰富的语义信息，被广泛用于缺陷检测、代码补全、类型预测等任务。其中，参数顺序错误（Argument-Swap Bug）是一类常见且隐蔽的缺陷：开发者调用方法时，将实参（Argument）的顺序写反，例如把 send(from, to) 误写为 send(to, from)。这类缺陷往往不会引发编译错误或运行时异常，却会导致严重的逻辑错误，甚至造成数据泄露、转账方向颠倒等灾难性后果。现有检测方法主要依赖词法相似度（Lexical Similarity），即比较实参名与形参（Formal Parameter）名的字符串相似性，并建立方法调用（Call）到方法定义（Definition）之间的映射。然而，在 Python 这类动态类型语言（Dynamically Typed Language）中，由于缺乏静态类型信息、存在大量动态派发、猴子补丁（Monkey Patching）、装饰器（Decorator）等机制，调用到定义的映射往往难以可靠获取，导致现有方法在 Python 场景下失效。因此，如何在不依赖调用-定义映射的前提下，有效检测 Python 方法调用中的参数顺序错误，成为一个亟待解决且具有重要现实意义的问题。

---

问题的解决（What - 提出了什么方案）

【问题的解决】论文提出了 BugProbe，一种基于学习的参数顺序错误检测方法，其核心思路是：不再依赖调用到定义的显式映射，而是通过丰富的上下文信息（Context）来推断实参是否被放错位置。BugProbe 融合了多源上下文，包括局部上下文（Local Context，如调用语句本身、相邻代码行）和参数使用上下文（Argument Usage Context，如该实参在后续代码中如何被使用、被赋予何种语义角色）。在此基础上，方法将基于名称的相似度特征（Name-based Similarity）与机器学习模型相结合，构建出表达力强的实参表示（Argument Representation）。与现有方法的本质区别在于：传统方法需要先解析出被调用方法的定义，再逐一比对实参名与形参名；而 BugProbe 完全绕开了这一映射过程，直接从代码上下文和名称语义中学习“参数顺序是否合理”的模式。为支撑该学习任务，作者从 GitHub 前 1000 个星标仓库中收集了 132,739 个 Python 源文件，构造了 3,371,244 个合成训练样本，并人工从提交历史中整理出 55 个真实参数交换缺陷作为基准测试集。实验表明，BugProbe 在标准评价指标上均取得高准确率，并持续优于当前最先进的基线方法，证明了在动态类型语言中不依赖调用-定义解析也能有效检测参数顺序缺陷。

---

技术方法详解（How - 怎么实现的）

【技术方法详解】BugProbe 的技术方法可从以下要点展开：

• 问题形式化：将参数顺序错误检测建模为对方法调用中每个实参的二分类或排序合理性判别问题。给定调用 $C=f(a_1,a_2,\dots ,a_n)$，目标是判断是否存在 $i\ne j$ 使得 $a_i$ 与 $a_j$ 的位置被交换。
• 多源上下文抽取：从三个层面提取信息：局部上下文（调用语句、所在函数体、相邻语句）、参数使用上下文（实参在调用后如何被使用、是否被赋值给变量、是否参与特定运算）、名称语义上下文（实参名、方法名、变量名的词法特征）。
• 名称相似度特征：计算实参名与候选形参名之间的词法相似度，包括编辑距离、Jaccard 相似度、词向量余弦相似度等，作为机器学习模型的重要输入特征。
• 代码表示学习：使用代码预训练模型或序列模型（如基于 Transformer 的编码器）将上下文代码片段编码为稠密向量，捕捉语法与语义模式。
• 特征融合与分类：将名称相似度特征与上下文表示拼接，输入分类器（如全连接网络或梯度提升树），输出该实参顺序是否错误的概率。
• 合成数据构造：通过自动交换正确调用中的实参顺序生成负样本，保留原始正确调用作为正样本，从而大规模生成训练数据，缓解真实缺陷样本稀缺的问题。
• 真实基准验证：在 55 个真实缺陷上评估，确保方法在真实场景中的有效性，而非仅拟合合成分布。

系统架构图

方法流程图

核心公式与算法

【核心公式】

1. 名称相似度特征：

$$S_{name}(a_i,p_j)=\alpha \cdot {\text{sim}}_{edit}(a_i,p_j)+\beta \cdot {\text{sim}}_{cos}({\mathbf{v}}_{a_i},{\mathbf{v}}_{p_j})$$

其中 $a_i$ 为第 $i$ 个实参名，$p_j$ 为候选形参名，${\text{sim}}_{edit}$ 为编辑距离相似度，${\text{sim}}_{cos}$ 为词向量余弦相似度，$\alpha ,\beta$ 为权重。

2. 上下文增强的实参表示：

$${\mathbf{r}}_i=\text{Encoder}([{\mathbf{e}}_{a_i};{\mathbf{c}}_{local};{\mathbf{c}}_{usage}])$$

其中 ${\mathbf{e}}_{a_i}$ 为实参名嵌入，${\mathbf{c}}_{local}$ 为局部上下文表示，${\mathbf{c}}_{usage}$ 为参数使用上下文表示，$\text{Encoder}$ 为上下文编码器。

3. 分类概率：

$$P(y=1\mid C)=\sigma (\mathbf{W}\cdot [{\mathbf{r}}_i;{\mathbf{s}}_i]+b)$$

其中 ${\mathbf{s}}_i$ 为名称相似度特征向量，$\sigma$ 为 Sigmoid 函数，$y=1$ 表示存在参数顺序错误。

---

应用场景（Where - 在哪落地）

【应用场景】

• 持续集成中的自动化缺陷检测：在 CI/CD 流水线中集成 BugProbe，对每次提交的 Python 代码进行静态扫描，自动标记疑似参数顺序错误的调用。开发者可在代码合并前收到告警，避免缺陷流入生产环境。预期效果是显著降低因参数顺序错误导致的线上事故，尤其适用于金融、支付等对参数顺序敏感的系统。

• IDE 实时提示与代码审查辅助：将 BugProbe 嵌入 IDE 或代码审查工具，在开发者编写方法调用时实时分析上下文，若检测到实参顺序可疑则给出提示。由于不依赖调用-定义映射，即使面对动态派发、第三方库调用也能工作。预期效果是提升代码审查效率，减少人工遗漏，并帮助新手开发者快速发现潜在错误。

• 遗留 Python 项目的缺陷挖掘：对于缺乏类型注解、文档不全的大型遗留 Python 项目，传统静态分析工具难以解析调用关系。BugProbe 可直接基于上下文进行批量扫描，帮助团队发现历史遗留的参数顺序缺陷。预期效果是提升代码库整体质量，降低维护成本，并为重构提供依据。

---

具体技术细节示例（How in Action - 算法如何执行）

【具体技术细节示例】假设有如下 Python 调用：

def transfer(sender, receiver, amount):
    ...

transfer(receiver, sender, 100)

步骤 1：调用点识别。解析抽象语法树，定位到调用 transfer(receiver, sender, 100)，实参列表为 $[\text{receiver},\text{sender},100]$。

步骤 2：局部上下文抽取。提取调用语句本身、所在函数体、前后语句，得到上下文片段，例如包含变量定义 sender = get_user_a()、receiver = get_user_b() 等。

步骤 3：参数使用上下文抽取。分析实参 receiver 和 sender 在调用后的使用情况，例如是否被记录日志、是否参与后续比较，形成使用上下文向量。

步骤 4：名称相似度计算。假设通过某种方式获得候选形参名 $[\text{sender},\text{receiver},\text{amount}]$（仅用于示例说明特征计算），计算：

• $S_{name}(\text{receiver},\text{sender})=0.2$（低相似度）
• $S_{name}(\text{receiver},\text{receiver})=1.0$（高相似度）
• $S_{name}(\text{sender},\text{sender})=1.0$
• $S_{name}(\text{sender},\text{receiver})=0.2$

步骤 5：特征融合与编码。将名称相似度特征 $\mathbf{s}=[0.2,1.0,1.0,0.2]$ 与上下文表示 $\mathbf{r}$ 拼接，输入分类器。

步骤 6：分类决策。模型输出 $P(y=1\mid C)=0.93$，超过阈值 $0.5$，判定该调用存在参数顺序错误。

步骤 7：输出结果。生成缺陷报告：transfer 调用中第 1、2 个实参可能被交换，建议改为 transfer(sender, receiver, 100)。

该示例展示了 BugProbe 如何在不显式解析 transfer 定义的情况下，仅凭上下文与名称特征发现参数顺序异常。

---

实验结果（Results - 效果如何）

【实验结果】论文构建了两个数据集：训练集来自 GitHub 前 1000 星标仓库的 132,739 个 Python 文件，通过自动交换实参顺序生成 3,371,244 个合成样本；测试集为从提交历史中人工核验的 55 个真实参数交换缺陷。评价指标采用准确率（Accuracy）、精确率（Precision）、召回率（Recall）和 F1 值。对比基线为当前最先进的基于词法相似度与调用-定义映射的方法。实验结果显示，BugProbe 在所有标准指标上均持续优于基线，尤其在召回率上提升显著，说明其能发现更多被基线漏检的真实缺陷。消融实验进一步表明，局部上下文与参数使用上下文对性能均有正向贡献，二者结合时效果最佳；名称相似度特征单独使用时性能有限，但与上下文表示融合后显著提升。这验证了多源上下文融合在无调用-定义映射场景下的关键作用。

实验结果可视化

---

优势与不足

【优势与不足】

优势：

• 首次系统性地提出不依赖调用-定义映射的参数顺序错误检测方法，突破了动态类型语言中映射难以获取的核心瓶颈。
• 融合局部上下文、参数使用上下文与名称相似度，构建表达力强的实参表示，显著提升检测效果。
• 构建了大规模合成训练集与人工核验的真实缺陷基准，为后续研究提供了可复用的数据资源。
• 在真实缺陷上验证有效，且持续优于最先进基线，具备较强的实用价值。

不足：

• 合成训练数据通过自动交换实参生成，可能与真实缺陷的分布存在偏差，导致模型在真实场景中的泛化能力受限。
• 真实基准仅 55 个缺陷，规模较小，统计显著性可能不足，且覆盖的缺陷类型有限。
• 方法依赖代码上下文质量，对于上下文稀疏或高度动态的调用（如反射、动态生成代码）可能失效。
• 未充分讨论误报对开发者体验的影响，实际部署中的告警疲劳问题值得关注。

---

相关工作

【相关工作】

• 基于词法相似度的参数缺陷检测：如利用实参名与形参名的字符串相似度检测参数顺序错误，是本文最直接的对比基线，但依赖调用-定义映射。
• 代码表示学习：如 CodeBERT、GraphCodeBERT 等预训练模型，为本文的上下文编码提供技术基础，本文将其应用于参数顺序缺陷检测。
• 动态类型语言的静态分析：研究 Python 等语言中调用解析、类型推断的困难，解释了为何调用-定义映射难以获取，是本文动机的重要支撑。
• 合成缺陷数据生成：通过程序变换自动生成缺陷样本用于训练，本文采用交换实参顺序的方式构造大规模训练集。
• API 误用检测：研究 API 调用中的各类误用模式，参数顺序错误是其中一类，本文聚焦于该细分问题并给出专门方法。

---

未来研究方向

【未来方向】

• 跨语言扩展：将 BugProbe 的思想推广到 JavaScript、Ruby 等其他动态类型语言，验证方法的通用性，并研究不同语言上下文特征的差异。
• 真实缺陷数据增强：构建更大规模、更多类型的真实参数顺序缺陷基准，结合半监督或主动学习，缩小合成数据与真实分布的差距。
• 与大语言模型结合：利用大语言模型（LLM）的代码理解能力生成更丰富的上下文表示或直接进行缺陷推理，探索提示工程与微调在参数顺序检测中的应用。
• 误报抑制与可解释性：研究如何降低误报率，并为每个告警提供可解释的证据（如哪些上下文特征触发了判定），提升开发者信任度。

---

一句话总结

【一句话总结】BugProbe 通过融合多源上下文与名称相似度，在不依赖调用-定义映射的前提下有效检测 Python 参数顺序错误。

---

本解读由 DeepSeek AI 自动生成，仅供参考。