随着软件应用的逐渐普及,规模的不断增大,软件安全问题引起了各行各业的高度重视。为了更好的理解软件网络的特性以及它的拓扑结构,从数据挖掘的角度出发,挖掘出软件网络中的重要节点,对于软件故障检测、辅助软件系统进行维护、测试和预防漏洞、错误的定位等具有重要意义。本课题根据复杂网络的相关知识结合软件网络自身的特性对软件网络中的函数进行研究,主要工作如下。首先,本文对无向加权软件网络和有向加权软件网络分别进行了模型构建。根据软件网络在执行过程中的静态拓扑和动态调用特性,本文用Pvtrace跟踪软件,了解软件执行轨迹,并对软件进行多次执行,去偶然性,清洗并整合得到有效的数据,为软件网络的关键函数识别奠定了基础。其次,根据证据理论中心性提出了一种基于证据理论的重要节点发现算法NDET(Node Discovery algorithm based on Evidence Theory)。该算法将函数的重要程度数量化,并结合软件自身的拓扑结构提出了波动值fv(i),最后通过NI(Node Important)去衡量节点的重要性。为分析软件网络中的静态拓扑结构提供了方向。再次,为了解决动态软件网络中的关键函数识别问题,综合考虑节点的传播能力和影响能力,提出了一种识别关键节点的IKN算法。不仅从节点在网络中所处的整体位置来考虑节点的传播能力而且还从节点自身的局部特性来衡量函数节点的影响能力,使得识别出的关键节点更加准确。为软件故障预测,系统维护提供了方向。最后,对本文所提出的两个算法进行有效性验证,并加以对比实验结果分析。通过对软件网络相关验证分析不同版本的演化规律,为进一步认识软件网络提供新思路。