Amélioration du cycle de développement logiciel via des approches basées sur les données

Improving software development life cycle using data-driven approaches

• Auteur / Autrice : Florent Moriconi
• Direction : Aurélien Francillon, Raphaël Troncy, Jihane Bennour Zouaoui
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'ingénieur
• Date : Soutenance le 14/06/2024
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Institut EURECOM (Sophia-Antipolis, Alpes-Maritimes)
• Jury : Président / Présidente : Elena Cabrio
• Jury : Examinateurs / Examinatrices : Jean-Rémy Falleri, Suna Melek Önen
• Jury : Rapporteurs / Rapporteuses : Maurizio Morisio, Coen De Roover

Mots clés

Mots clés contrôlés

Traitement automatique du langage naturel

Théorie des graphes

Analyse des données

Systèmes informatiques -- Mesures de sûreté

Détection des anomalies (informatique)

Logiciels -- Développement

Mots clés libres

CI/CD

Analyse de logs

Analyse de cause racine

Graphes de connaissance

Sécurité réseau

Sécurité de la CI/CD

CI/CD

Log analysis

Root cause analysis

Knowledge Graphs

Network Security

CI/CD Security

Résumé

Cette thèse explore les approches basées sur les données pour l'analyse automatique des causes profondes des échecs de construction dans les systèmes d'intégration continue et de déploiement continu (CI/CD), en se concentrant sur l'identification des échecs non déterministes, la localisation des messages de cause profonde dans les journaux de construction, et la caractérisation de la performance et de la sécurité des systèmes CI/CD.Basée sur des ensembles de données publics et industriels, nous explorons les propriétés des flux de travail CI/CD, telles que les temps d'exécution et les modèles d'échec.La recherche introduit l'utilisation du traitement du langage naturel (NLP) et des embeddings de graphes de connaissances (KGE) pour classifier les échecs de construction avec une précision de 94%.De plus, nous introduisons ChangeMyMind, une nouvelle méthode basée sur les réseaux neuronaux récurrents (RNNs) pour localiser avec précision les messages de cause profonde dans les journaux de construction sans étiquetage préalable des messages de cause profonde.Nous proposons X-Ray-TLS, une approche générique et transparente pour inspecter le trafic réseau chiffré TLS dans les environnements CI/CD.Enfin, la thèse revisite également les vulnérabilités de sécurité dans les systèmes CI/CD, démontrant le potentiel de compromissions à long terme indétectables.Ce travail a abouti à trois publications et deux soumissions en cours de révision, contribuant de manière significative à l'analyse et à l'optimisation des systèmes CI/CD.

This thesis explores data-driven approaches for automated root cause analysis of CI/CD build failures, focusing on identifying non-deterministic failures, locating root cause messages in build logs, and characterizing CI/CD systems' performance and security.Grounded on public and industrial datasets, we explore CI/CD workflow properties, such as execution times and failure patterns.The research introduces the use of Natural Language Processing (NLP) and Knowledge Graphs Embeddings (KGE) for classifying build failures with a 94% accuracy.Additionally, we introduce ChangeMyMind, a new method based on Recurrent Neural Networks (RNNs) to accurately locate root cause messages in build logs without prior labeling of root cause messages.We propose X-Ray-TLS, a generic and transparent approach for inspecting TLS-encrypted network traffic in CI/CD environments.Finally, the thesis also revisits security vulnerabilities in CI/CD systems, demonstrating the potential for undetectable long-term compromises.This work has resulted in three publications and two under-review submissions, contributing significantly to CI/CD system analysis and optimization.