كلية علوم الحاسوب والرياضيات

مناقشة رسالة ماجستير في كلية علوم الحاسوب والرياضيات – قسم البرمجيات بعنوان:

التنبؤ لوثوقية البرمجيات بناءا على التعلم الآلي

استمرارا لحركة البحث العلمي وحضور ومتابعة السيدة عميدة كلية علوم الحاسوب والرياضيات الأستاذ الدكتور ضحى بشير عبد الله المحترمة

نوقشت في قاعة المناقشة بكلية علوم الحاسوب والرياضيات في جامعة الموصل يوم الاحد 10/3/ 2024  رسالة الماجستير للطالبة (لمياء فائز صالح محمود) وبإشراف أ. د. شهباء إبراهيم خليل

تناولت الرسالة التي تقدمت بها الطالبة التنبؤ لوثوقية البرمجيات بناءً على التعلم الآلي.

تعد موثوقية البرامج أمرًا بالغ الأهمية في عالم تطوير البرمجيات. إذا لم تكن البرامج موثوقة، فقد تتسبب في حدوث مشاكل كبيرة تؤثر في المستخدمين وتتسبب في خسائر مالية وخسارة في السمعة للشركات والمؤسسات. ولذلك، هناك حاجة ملحة لتطوير واعتماد النماذج التي يمكنها تقدير موثوقية البرمجيات بدقة وفعالية. يعتبر التعلم العميق احد فروع الذكاء الاصطناعي، إذ يركز على تطوير نماذج تعلم آلي قادرة على فهم وتحليل البيانات. يعتمد التعلم العميق بصورة رئيسة على الإستفادة من الشبكات العصبية العميقة لتمثيل وتحليل البيانات. يلعب التعلم العميق دورًا أساسيًا في تحسين موثوقية البرمجيات من خلال إمكانية تنبؤ الأخطاء والمشاكل المحتملة. باستخدام تقنيات التعلم العميق، يمكن تحسين جودة البرمجيات وتوفير نماذج تنبؤ دقيقة حول أداء البرمجيات، مما يساعد في تحسين استقرار وأمان الأنظمة وتقليل الاضطرابات والمشاكل التي قد تنشأ فيما بعد.

ينصب تركيز هذه الرسالة على التنبؤ بوثوقية البرامج باستخدام ثلاث نماذج رئيسية وهي الشبكة العصبيةNN ، والشبكة العصبية التكرارية RNN، وشبكة الذاكرة طويلة قصيرة المدى LSTM، . إلى جانب ذلك ، تم استخدام ست مجاميع من البيانات، وتم إجراء سلسلة من المعالجات المسبقة لمجاميع البيانات المستخدمة والتي تشمل تطبيع البيانات وإختيار الميزات باستخدام الطرق الاحصائية مثل طريقة مربع كاي Chi-square وطريقة معامل الانحدار Regression Coefficient وطرق ذكائية وهي طريقتا أمثلية سرب الجسيمات Particle Swarm Optimization PSO وخوارزمية أمثلية الحوث Whale Optimization Algorithm WOA. أظهرت النتائج أن تقنيات PSO وWOA  قد أظهرت تفوقًا كبيرًا على الطرق الاحصائية التقليدية في اختيار الميزات. كما أظهرت خوارزمية LSTM أداءً أعلى بين الخوارزميات الثلاث المستخدمة. يشير ذلك إلى فعالية توظيف تقنيات التَعلّم العميق فِي تحسين التنبؤ بموثوقيةِ البرمجيات.

تم استخدام مقاييس Accuracy, Precision, Recall, F1-Score لتقييم نماذج الشبكات المعتمدة، وفي ضوء التحليل تم الحصول على اعلى النتائج بإستخدام تقنية WOA الذكائية مع نموذج LSTM، إذ بلغت قيم المقاييس 100% مع مجاميع البيانات المستخدمة.

تهدف الدراسة الى توفير نهج نمذجة التعلم العميق Deep Learning للتنبؤ بمصداقية البرمجيات وبناء أداة قائمة على التعلم العميق للتنبؤ بموثوقية البرمجيات بالاعتماد على ميزات المشاريع.

تألفت لجنة المناقشة من  السادة:

أ.د. لهيب محمد إبراهيم – رئيساً

أ.م.د. محمد جاجان يونس – عضواً

أ.م.د. نكتل مؤيد عيدان – عضواً

أ.د. شهباء إبراهيم خليل – عضواً ومشرفاً