近日，我校计算机科学与技术学院/人工智能学院软件工程团队钱巨副教授第一作者成果被软件工程国际顶级会议ICSE 2020录用。ICSE全称为International Conference on Software Engineering，是软件工程领域公认的旗舰会议之一（CCF A类会议），2020年录用率为20.9%。

近年来，计算机科学与技术学院/人工智能学院坚持学术导向，深入落实人才强院战略，外引内培，唯实创新，不断开拓，依托工信部高安全系统的软件开发与验证技术重点实验室，在软件工程领域形成了特色鲜明的研究团队，承担了多个国家重点研发计划、国防科技创新特区、国家自然科学基金等项目产生了多项高质量成果，以南航为第一单位在TSE、TOSEM、ICSE、ISSTA等国际顶尖期刊和会议发表和录用论文近10篇，获得国际学术界的认可。团队由黄志球教授领衔，包括二十余位中青年教授和博士，如国家级人才称号获得者陈刚教授，IET/IFSA会士马宗民教授等。2018年引进的挪威Simula实验室首席科学家岳涛教授在基于搜索的软件工程领域针对质量指标综合评估及优化选取方面成果2019年12月被TOSEM（CCF A类期刊，ACM Transactions on Software Engineering Methodology）录用、周宇教授在软件API的代码和文档一致性判断和缺陷自动修复方面的成果2018年9月被由TSE（CCF A类期刊，IEEE Transactions on Software Engineering）录用刊出，这是我校作为第一单位首次出现在这两个顶级期刊。陈哲副教授在内存动态安全检测方面的成果发表在软件工程领域顶级会议ISSTA 2019（CCF A类会议，International Symposium on Software Testing and Analysis，2019年录用率22.5%），并获得2019年美国计算机学会杰出论文奖（ACM SIGSOFT Distinguished Paper Award），这是我校首次获得该奖项。另2020年1月周宇教授在移动APP大数据分析方面的成果再获TSE录用；2018年引进的张静宣博士在API文档信息融合和移动应用功能推荐方面的两项成果分别于2019年5月被TSE录用，于2019年7月被TOSEM录用。发表在TSE上的成果还收到ICSE 2020的邀请，入选了ICSE 2020的Journal First Paper，将在大会上作展示报告。

TSE全称为IEEE Transactions on Software Engineering，TOSEM全称为ACM Transactions on Software Engineering Methodology是国际公认的软件工程领域最高水平的两个学术期刊（CCF A类期刊），遵循严格的同行评审制度。

论文《Quality Indicators in Search-based Software Engineering: An Empirical Evaluation》为与挪威Simula研究所和日本国立情报学研究所（NII）合作完成的一项研究成果。应用多目标搜索算法（MOSA）的基于搜索的软件工程（SBSE）研究人员通常会使用一个或多个质量指标（QI）来评估MOSA生成的SBSE优化问题解决方案的质量。然而，SBSE研究领域缺乏证据（evidence）来支持SBSE常用QI的选择、深入理解它们之间的差异和一致性（agreement）、以及与优化问题和MOSA之间的关系。为此，本文作者进行了一系列大规模实验，深入研究了SBSE领域常用QI，总结提出一套可指导SBSE研究人员选择QI的指导方针（guidelines）。另外，本文提出了一套基于经验评估结果自动生成有用实验结果的方法和工具。

论文《User Review-Based Change File Localization for Mobile Applications》为与瑞士苏黎世大学等开展合作完成的一项成果。为了充分利用移动APP用户评论中的有用信息，该工作提出了通过话题分类、半聚类等方法对用户评论做初步分析，利用领域特定的约束信息和半监督学习将用户评论分组为与相似用户请求有关的多个细粒度群集。然后，通过结合版本控制工具的提交消息和源代码的文本信息，建立多个软件制品的关联关系，自动地定位潜在需要更改的源程序文件，满足用户提出的需求，从而来支持用户反馈的持续集成，可以加快迭代开发过程，更好地支持DevOps实践。实验表明，该方法在用户评论的聚类质量和更改源程序文件定位的准确率等方面要显著优于当前的主流方法。

论文《Detecting memory errors at runtime with source-level instrumentation》主要研究如何动态检测程序代码中的内存错误。众所周知，C语言的不安全语言特性，例如对内存的低级控制，可能会导致内存错误、数据腐败、安全缺陷和程序崩溃。现有的动态分析工具一般通过对程序的中间表示或者二进制代码进行插桩来对程序中的内存错误进行运行时检测。但是这些技术有三个严重弱点：优化敏感、平台依赖、DO-178C不兼容，从而导致这些工具无法同时获得有效性和高性能。该工作提出了一种新的源代码级的插桩技术，并实现了一个新的动态分析工具，该工具是目前世界上唯一的源代码级的内存动态分析工具。实验表明，该工具在有效性和性能上超过了世界上现有最好的工具，包括在工业界被广泛使用的Google公司的AddressSanitizer和Valgrind等。

论文《RoScript: A Visual Script Driven Truly Non-Intrusive Robotic Testing System for Touch Screen Applications》从侵入式测试自动化难以应用在航空、航天等工业领域的封闭和非标准化设备上这一问题出发，融合计算机视觉和机器人前沿技术，提出了面向触屏应用的非侵入式测试自动化方法，拓展了测试自动化技术的应用范围和解决思路。该工作首先提出了一套由可视化脚本驱动、利用机器人触发动作的测试自动化引擎，实现了非侵入式的测试执行。同时，还提出了视觉识别人手在屏幕上的动作，从而自动录制测试脚本的方法，实现了非侵入式的测试脚本录制。整个方法具备全程“非侵入”的特色，可在不向被测设备安装任何软件、建立任何连接的情况下工作，能够用于任意的操作系统和GUI框架。实验结果证实所提出方法具有较高的测试执行和脚本录制准确度，具备较好的可用性。

 论文《Enriching API Documentation with Code Samples and Usage Scenarios from Crowd Knowledge》为与大连理工大学和哈尔滨工程大学合作完成的一项工作。该工作重点解决API参考文档缺少演示API正确使用的代码样例及其使用场景的问题。该工作创造性地从群智论坛Stack Overflow中抽取出高质量的代码样例及其使用场景，填充到对应的API参考文档页面中，完成信息的融合，形成代码样例增强的API参考文档。经过一系列的实证研究表明，相比于现有的最好方法，代码样例填充后的API参考文档可以帮助软件开发人员在更短的时间内完成更多的编程任务，极大地提高了软件开发人员的编程效率。