近日，第38届IEEE/ACM自动化软件工程国际会议（38h IEEE/ACM International Conference on Automated Software Engineering，ASE 2023）录用结果揭晓，2021级硕士生张茹茜（导师邹德清教授）和2022级硕士生江宗泽（导师文明副教授）的论文均被录用。

张茹茜的论文题目为“Robin: A Novel Method to Produce Robust Interpreters for Deep Learning-Based Code Classifiers”。深度学习在源代码分类任务中得到了广泛的应用，如代码功能分类、代码作者归属、漏洞检测等。然而，深度学习的黑盒性质使得很难解释为什么分类器（即分类模型）对给定样本做出特定的预测，因此不清楚何时应该相信分类器的预测。近年来，这种可解释性的缺乏激发了许多研究，然而现有方法既不鲁棒，也不能处理分布外样本。论文提出了Robin，一种新的方法来为给定的基于深度学习的代码分类器生成鲁棒的解释器。该方法的关键思想是一种新的耦合结构，结合了一个解释器和两个近似器，同时利用了对抗训练和数据增强的思想。实验结果表明，Robin生成的解释器在分类器上的保真度平均提高了6.11%，在近似器上的保真度平均提高了67.22%，鲁棒性比评估的三种解释器高15.87倍。此外，解释器受分布外样本的影响比现有解释器LEMNA低47.31%。

江宗泽的论文题目为“Effective Concurrency Testing for Go via Directional Primitive-constrained Interleaving Exploration”。近年来，Go语言（Go/Golang）因其强大的并发支持和易于部署的特性吸引了越来越多的工业界关注。该编程语言鼓励开发人员使用基于通道（Channel）的并发，这简化了并发程序的开发。但是，Channel的使用也引入了新的并发问题。目前只有少数工作可以检测此类针对Go的并发问题，并且已有的测试方法缺少细粒度和有效的线程交互探索，从而不能很好的检测此类并发错误。论文提出了GoPie，一种通过并发原语进行约束的线程交互探索方法来检测Go并发错误。GoPie利用执行历史记录来识别新的线程交互，而不是依赖于穷举的探索或随机调度。为了评估该方法的性能，文章在现有benchmark和开源项目中对GoPie进行了实验。结果显示，GoPie可以有效地探索并发线程交互，并在基准测试中检测到更多的并发问题。此外，它在几个流行的Go开源项目中发现了11个以前未知的并发错误，其中9个已被确认。

ASE与ICSE、ISSTA和FSE并称为软件工程领域的四大顶级会议，在软件工程领域具有举足轻重的地位。该会议每年汇聚了来自学术界和工业界的研究者和从业者，共同探讨自动化分析、设计、实现、测试和维护大型软件系统的基础、技术和工具。ASE 2023共接收论文投稿629篇，其中直接录用的仅有103篇。

（通讯员：张茹茜、江宗泽）