DeleRace（deep-learning-based data race detection）：首先使用工具 WALA 从多个实际应用程序中中提取指令、方法和文件级别中多个代码特征，对其向量化 并构造训练样本数据；；然后通过ConRacer 工具对真实数据竞争进行判定进而标记样本数据，并采用SMOTE 增强算法使正负数据样本分布均衡化；最后** 构建 CNN-LSTM 的深度神经网络 **，加以训练构建分类器，进而实现对数据竞争的检测。

xalan java源码该存储库提供了在我们的 PLDI 2020 论文 #228 SmartTrack：高效预测竞速检测中评估的 SmartTrack 工具的源代码。 SmartTrack 工具代表了我们将时代和所有权优化 (FTO) 和 CCS 优化 (SmartTrack) 应用于未优化预测分析 WCP、DC 和新引入的 WDC 的贡献。 SmartTrack 优化的预测分析实现了与广泛使用的 HB 分析相比具有竞争力的性能，该分析报告了 HB 分析无法找到的难以检测的比赛。 通过提供不同的覆盖范围 - 健全性权衡，基于 SmartTrack 的分析可以利用报告新的预测竞争和更好的性能来检测实践中的少数（如果有的话）错误竞争，这表明预测分析有可能成为检测数据竞争的主流方法，替代HB分析。 有关更多详细信息，请参阅随附的论文：SmartTrack：高效的预测性竞赛检测 设置 克隆存储库并构建源代码。 $ git clone https://github.com/PLaSSticity/SmartTrack-pldi20.git $ cd ~/SmartTrack-pldi20 $

三种高效的数据竞争检测工具的比较

动态数据竞赛 动态数据竞争检测工具 (Dyndatarace)：版权所有 2014 Onder Kalaci，Alper Sen，Bogazici 大学。 该存储库包括 Dyndatarace 的预编译可执行文件和源代码，Dyndatarace 是一种基于二进制检测的混合动态数据竞争检测工具。 还包括执行以下出版物中描述的实验所需的所有数据。 Onder Kalaci，并行程序中的动态数据竞争检测，硕士论文，Bogazici 大学，2014 年。主管：Alper Sen Onder Kalaci、Alper Sen，“多线程程序的混合数据竞争检测”，技术报告，Bogazici 大学，2014 年。 该发行版包括四个不同的 pintools，位于“pintools”文件夹下。 我们的算法在 SegmentBasedHybrid 目录中。 在我们的实验中，我们使用了以下版本的工具：

数据竞争检测入门文献阅读