【亲测免费】 推荐开源项目：Code Defect AI —— 智能代码缺陷预测工具

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

1. 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。
2. 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。
3. 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。
4. 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。
5. 模型训练：使用多种建模算法对预处理后的数据进行训练。
6. 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

1. 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。
2. 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。
3. 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。
4. 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

1. 智能化预测：基于机器学习算法，准确预测代码缺陷风险。
2. 自动化流程：从数据收集到模型部署，全流程自动化处理。
3. 灵活部署：支持在 Azure 云平台上灵活部署，易于扩展。
4. 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：

1. 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。
2. UI 代码构建：在 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。
3. 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。
4. 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。