摘要
本发明属于软件缺陷预测和软件质量保障技术领域，具体涉及一种基于对抗验证策略的跨版本软件缺陷预测方法，通过在源版本与目标版本间引入对抗验证机制，量化不同版本数据之间的分布差异，并动态筛选出与目标版本分布更为接近的源版本训练样本，从而优化训练集质量，提高缺陷预测模型在新版本上的准确性和稳定性。该预测方法首先利用对抗性样本分类器衡量并缩小源域与目标域的数据差异，然后在筛选得到的高质量训练数据上构建缺陷预测分类器，最后采用多指标对模型性能进行评估。结果表明，该对抗验证方法有效缓解了跨版本数据漂移问题，使模型在AUC、MCC、F‑measure等指标上相比传统方法有显著提升。
