北京市技术发明二等奖
获奖项目：智能化软件开发关键技术-需求知识建模与代码自动推荐研究与应用
完成人：李戈、金芝、张霞 等
第一完成单位：北京大学信息科学技术学院
智能化软件开发关键技术-需求知识建模与代码自动推荐研究与应用
软件产业日益成为社会经济发展的战略性基础产业，是经济转型和产业升级的重要支柱。面对快速增长的软件开发需求，传统软件开发方法存在的自动化程度相对较低、开发周期相对较长、开发成本相对较高的问题，成为制约我国软件行业深入发展的重要瓶颈。本成果将人工智能技术与软件开发相结合，对传统的软件开发方法与工具进行智能化升级和改造，以达到提高软件开发效率、降低软件开发成本、改善软件易维护性的目的。该项目围绕融合领域需求知识建模、代码表示学习与智能推荐、基于知件的软件框架，建立了计算机软件知识产权保护体系，自主研制了“aiXcoder智能编程系统”，研制了面向领域的“SaCa DeepCogni知识服务平台”，应用于百度公司、北京控制工程研究所、东软集团等近30家企业和单位，支持了“嫦娥四号”探测器等国家重大工程；为企业创造了可观的经济效益；aiXcoder个人版全球累计用户超过30万人。该项目的成果对于提高我国软件行业的整体智能化水平、提升软件产业的生产力、突破软件产业的发展瓶颈具有重要意义。
北京市科技进步二等奖
获奖项目：“大规模跨语言代码安全检测技术及应用”
获奖等级：北京市科技进步二等奖
主要完成人：张世琨、马森、高庆等
第一完成单位：北京大学软件工程国家工程研究中心。
大规模跨语言代码安全检测技术及应用
软件代码安全检测技术是保障软件安全的重要手段，但是软件代码安全检测工具被国外厂商垄断乃至禁运。项目组自2012年起，聚焦软件代码安全检测技术，持续开展深入研究并开发出具有国际先进水平的系列工具，主要技术创新点包括：1. 提出了基于程序复杂度的自适应分析方法，实现了检测精度和效率的有机平衡；2. 提出了跨语言代码统一表示模型，实现了千万行大规模跨语言代码检测能力；3. 提出了基于代码大数据的不完整代码智能补全和解析方法，解决了现有代码安全检测工具对代码可编译性的强依赖问题。4. 设计了基于动静结合的缺陷自动验证机制，构建了基于跨模态多粒度代码语义表示的缺陷自动分类模型，在基本不影响缺陷召回率的情况下减少50%以上的误报。项目研制的库博软件代码安全检测系列工具，整体检测能力达到了国际先进水平，覆盖航空、航天、电信、核能、电力、轨道交通、互联网、金融、政府等多个安全关键领域。项目解决了软件代码安全检测的卡脖子关键技术，为构建我国自主可控的安全检测生态系统提供了有力保障。
http://www.research.pku.edu.cn/bdkyjz/1349135.htm
