推荐开源项目：Code Defect AI —— 智能代码缺陷预测工具

codedefectai Code Defect AI

项目地址: https://gitcode.com/gh_mirrors/co/codedefectai

项目介绍

Code Defect AI 是一款基于机器学习的代码缺陷预测工具，由 Altran 开发。它通过分析历史提交记录，预测哪些源代码文件存在较高的缺陷风险。该项目旨在帮助开发团队提前识别潜在问题，提高代码质量和开发效率。

项目技术分析

工作原理

数据收集：通过 RESTful 接口和 Git CLI 收集开源 GitHub 项目的完整提交历史和缺陷历史数据。数据预处理：应用特征识别、标签编码、独热编码、数据缩放和归一化等技术对收集的数据进行预处理。标签标注：分析修复提交（即关闭缺陷的提交）的模式，回溯历史变更以识别引入缺陷的提交。数据平衡：若数据集中缺陷记录较少，生成合成数据以避免对多数类的偏见。模型训练：使用多种建模算法对预处理后的数据进行训练。模型部署：选择具有可接受精确度和召回率的模型，部署用于预测新提交的缺陷风险。

架构设计

Code Defect AI 在 Azure 基础设施上的最终部署包括以下组件：

虚拟机：用于运行代码，构建和推送 UI & API 代码镜像。Azure 容器注册表：存储 UI、API 和预测代码的镜像。Azure 容器服务：调度新提交的预测任务，并将聚合结果存储到数据库。两个 Azure Web 应用：分别用于 UI 和后端 API。Azure MariaDB 实例：存储预测数据和聚合结果，供 UI 通过 RESTful API 访问。Azure 应用洞察：提供网站流量分析。

项目及技术应用场景

开源项目质量管理：帮助开源项目维护者提前发现潜在的代码缺陷，提升项目质量。企业软件开发：在企业软件开发过程中，预测高风险代码，减少后期修复成本。代码审计：辅助代码审计人员快速定位问题代码，提高审计效率。持续集成/持续部署（CI/CD）：集成到 CI/CD 流水线中，自动化代码质量检查。

项目特点

智能化预测：基于机器学习算法，准确预测代码缺陷风险。自动化流程：从数据收集到模型部署，全流程自动化处理。灵活部署：支持在 Azure 云平台上灵活部署，易于扩展。开源许可：遵循 Apache License 2.0 开源许可，自由使用和修改。

安装/部署

Code Defect AI 运行在 Azure Web Apps 和 Azure Containers 的组合环境中，具体步骤如下：

数据库设置：在 Azure 上创建 MariaDB 数据库服务，下载连接证书，并在 Django 服务器配置文件中更新证书和数据库信息。UI 代码构建：在 <code>ui 文件夹中执行 ng build –prod 命令，构建镜像并推送到 Azure 容器服务，创建 Web 应用。后端预测代码构建：在 training 文件夹中构建镜像，推送到 Azure 容器注册表，并创建容器。API 代码构建：在 restservices/api 文件夹中构建镜像，推送到 Azure 容器服务，创建 Web 应用。

详细安装步骤请参考 安装文档。

结语

Code Defect AI 是一款功能强大的代码缺陷预测工具，适用于各种软件开发场景。通过智能化的缺陷预测，帮助开发团队提高代码质量，降低维护成本。欢迎广大开发者试用和贡献代码，共同推动项目的持续发展！

项目许可证：Apache License, Version 2.0，详情请见 许可证文件。

codedefectai Code Defect AI

项目地址: https://gitcode.com/gh_mirrors/co/codedefectai