Pattern mining en statische analyse om defecten te detecteren in Infrastructure as Code

Infrastructure as Code (IaC) is sterk gegroeid in de softwareintensieve industrie om het beheer en het uitrollen van infrastructuur te automatiseren. Empirisch onderzoek toont daarentegen aan dat defecten in IaC bestanden alomtegenwoordig zijn, wat ernstige service storingen tot gevolg kan hebben. Hoewel de industrie zulke defecten reeds voor de uitvoering van deze bestanden wil ontdekken, is er momenteel slechts weinig onderzoek naar technologieën om de ontwikkeling van IaC bestanden te ondersteunen. Omwille van verscheidene problemen, zijn de bestaande aanpakken sterk beperkt in hun vermogen om defecten te detecteren, alsook in hun toepasbaarheid op lange termijn. Dit onderzoeksvoorstel beschrijft nieuwe aanpakken om defecten te detecteren, die gebruikers van IaC zullen ondersteunen om betrouwbare IaC bestanden van hoge kwaliteit te ontwikkelen. Concreet stellen we taal-agnostische statische analyses voor om: 1) De toestand van de infrastructuur te verifiëren, zonder de IaC bestanden uit te voeren; 2) Verkeerde combinaties van infrastructuur en applicatiearchitectuur te identificeren; 3) Nieuwe detectieregels te creëren door datamining toe te passen op corpora van IaC bestanden. Aangezien de analyses taal-agnostisch zijn en datamining gebruiken om nieuwe types van defecten te leren, blijven ze toepasselijk, zelfs wanneer het IaC domein evolueert en nieuwe IaC talen ontwikkeld worden. Hierdoor kunnen de geproduceerde analyses na jaren nog subtiele defecten vinden.