Earticle

생성형 AI 도구의 확산으로 AI·SW 교육에서 학습자의 활동은 단순한 코드 작성에서 AI 산출물의 이해, 실행, 검증, 수정, 설명으로 확장되고 있다. 본 연구는 생성형 AI 기반 코드 생성 활동에서 요구되는 AI 도구 활용 역량과 AI 산출물 검증 역량의 교육 요소를 탐색하는 데 목적이 있다. 이를 위해 UNESCO AI 역량 프레임워크, 생성형 AI 교육 지침, AI 리터러시 및 프로그래밍 교육 관련 연구를 검토하고, 초급·중급 프로그래밍 수업에서 활용 가능한 교육용 코드 생성 사례를 분석하였다. 연구 결과, 코드 생성 활동은 문제 이해, 프롬프트 구성, 코드 생성, 코드 해석, 실행 확인, 테스트 검증, 오류 수정, 윤리·보안 검토, 자기 설명의 단계로 구조화될 수 있었다. 또한 AI 도구 활용 역량, 코드 이해 역량, 실행·테스트 검증 역량, 오류 수정 역량, 근거 제시 역량, 책임 있는 활용 역량으로 구성된 AI·SW 코드 생성 검증 역량 프레임워크를 제안하였다. 본 연구는 코드 생성 사례와 검증 행동을 수업 활동 및 평가 루브릭으로 연결함으로써, 생성형 AI 활용 교육이 도구 사용 중심을 넘어 AI 산출물을 비판적으로 검토하고 책임 있게 활용하는 교육으로 확장될 수 있는 구체적 경로를 제시한다. 제안된 9단계 학습 과정, 6개 역량 범주, 5수준 루브릭은 프로그래밍 수업, AI 기초 수업, SW 융합 수업에서 생성형 AI 활용 과제를 설계할 때 참고할 수 있는 실행 가능한 틀을 제공한다. 본 연구는 생성형 AI 활용 교육을 프롬프트 작성과 코드 생성 중심에서 실행 검증, 테스트 설계, 오류 수정, 근거 제시, 책임 있는 활용을 포함하는 검증 중심 학습으로 확장하기 위한 교육 설계 기준을 제공한다.

The spread of generative AI tools is expanding learners’ activities in AI and software education from simply writing code to understanding, executing, verifying, revising, and explaining AI-generated outputs. This study explores the educational components of generative AI tool-use competency and AI-output verification competency in code generation activities for AI and software education. To this end, the study reviews UNESCO AI competency frameworks, guidelines for generative AI in education, AI literacy research, and prior studies on programming education with generative AI. It also analyzes illustrative educational code generation cases that can be used in introductory and intermediate programming courses. The findings structure generative AI-based code generation into nine learning stages: problem understanding, prompt construction, code generation, code interpretation, execution checking, test-based verification, error correction, ethical and security review, and self-explanation. Based on these stages, this study proposes a competency framework for verifying AI-assisted software code generation. The framework identifies six key competency areas: AI tool use, code comprehension, execution and testing, error correction, evidence-based explanation, and responsible use. By linking code generation cases with verification behaviors, instructional activities, and assessment criteria, the study provides a practical pathway for extending generative AI education beyond prompt writing and code production. The proposed nine-stage learning process, six competency categories, and five-level rubric offer instructional design guidance for AI-integrated tasks in programming, AI literacy, and software convergence courses. In doing so, the study shifts the focus of generative AI education toward verification-centered learning, including execution checking, test design, error correction, evidence-based explanation, and responsible use.

오늘날 복잡해져가는 컴퓨팅 환경에서 자가치유를 위해 시스템에 발생한 문제를 스스로 인식하는 능력을 부여하는 연구가 중요한 이슈가 되고 있다. 그러나, 기존 방법론들은 새로운 요구사항에 대한 목표 시스템을 자가 치유하기 위해 개발자들이 제약조건을 모델링하고 분석해야 하는 노력이 크다. 따라서, 본 논문에서는 시스템에서 발생한 문제를 인식하고 감지된 문제를 해결하기 위해 목표 시나리오 기반의 분석하고, 전·후 전략을 적용하여 동적으로 재구성되도록 자가 치유 방법을 제시하도록 한다. 이러한 제안 방법론을 통해 새로운 요구사항에 대한 자가 치유 개발자의 분석의 부하를 줄이고, 변경 정보를 파악하여 동적으로 재구성 되도록 지원하도록 한다.

Today, the computing environments is very complex, so researches that endow a system with the self-healing's ability that recognizes problem arising in a target system are being an important issues. However, the existing methodology, the goal for the new requirements for self-healing system developers to model and analyze the constraints that must be greater efforts. Therefore, in this paper are aware of problems detected by the system to solve the problem is the analysis of goal -based scenarios. In addition, there is a pre and post applying a strategy to be dynamically reconfigured to show you how to self-healing. These proposed new requirements for methodology, self-healing reduces the load on the developer's analysis.

본 논문에서는 코딩 학습 중 학습자의 인지 부하 감소를 목적으로 자연어 처리 모델을 이용하여 전이학습 및 미세조정을 통해 블록 프로그래밍 환경에서 이미 이루어진 학습자의 블록을 학습하여 학습자에게 다음 단계에서 선택가능한 블록을 생성하고 추천해주는 머신러닝 기반 블록 코드 생성 및 추천 모델을 개발하였다. 모델 개발을 위해 훈련용 데이터셋은 블록 프로그래밍 언어인 ‘엔트리’ 사이트의 인기 프로젝트 50개의 블록 코드를 전 처리하여 제작하였으며, 훈련 데이터셋과 검증 데이터셋 및 테스트 데이터셋으로 나누어 LSTM, Seq2Seq, GPT-2 모델을 기반으로 블록 코드를 생성하는 모델을 개발하였다. 개발된 모델의 성능 평가 결과, GPT-2가 LSTM과 Seq2Seq 모델보다 문장의 유사도를 측정하는 BLEU와 ROUGE 지표에서 더 높은 성능을 보였다. GPT-2 모델을 통해 실제 생성된 데이터를 확인한 결과 블록의 개수가 1개 또는 17개인 경우를 제외하면 BLEU와 ROUGE 점수에서 비교적 유사한 성능을 내는 것을 알 수 있었다.

In this paper, we develop a machine learning based block code generation and recommendation model for the purpose of reducing cognitive load of learners during coding education that learns the learners block that has been made in the block programming environment using natural processing model and fine-tuning and then gen­erates and recommends the selectable blocks for the next step. To develop the model, the training dataset was produced by pre-processing 50 block codes that were on the popular block programming language web site ‘Entry’. Also, after dividing the pre-processed blocks into training dataset, verification dataset and test dataset, we developed a model that generates block codes based on LSTM, Seq2Seq, and GPT-2 model. In the results of the performance evaluation of the developed model, GPT-2 showed a higher performance than the LSTM and Seq2Seq model in the BLEU and ROUGE scores which measure sentence similarity. The data results generated through the GPT-2 model, show that the performance was relatively similar in the BLEU and ROUGE scores ex­cept for the case where the number of blocks was 1 or 17.

본 연구는 웹 애플리케이션의 보안 취약점을 효율적으로 점검하기 위한 코드 생성 AI 활용 방법론을 제시한다. 기존 의 수동 점검 방식은 많은 시간과 인력이 소요되며, 사람의 실수로 인해 일부 취약점이 누락될 가능성이 있다. 또한, 기존의 자동화 도구는 정형화된 공격 패턴을 탐지하는 데에는 효과적이지만, 새로운 유형의 취약점이나 복잡한 맥락 을 고려한 보안 점검에는 한계가 존재한다. 이를 해결하기 위해, 본 연구에서는 코드 생성 AI를 활용한 자동화된 취 약점 점검 시스템을 개발하고, 이를 실제 환경에서 검증하였다. 제안된 시스템은 자연어로 작성된 보안 검사 요청을 실행 가능한 코드로 변환하여 점검을 수행하며, 기존의 정적 분석 및 동적 분석 기법과 결합하여 보다 정밀한 취약 점 탐지가 가능하도록 설계되었다. 실험 결과, 제안된 방법론은 기존의 수동 점검 대비 점검 시간을 약 40% 단축시 키고, 인력 비용을 절감하는 효과를 보였다. 또한, 표준화된 프로세스를 통해 일관성 있는 테스트 수행이 가능하여 보안 점검의 신뢰성을 높일 수 있었다. 특히, 코드 생성 AI가 기존 코드 패턴을 학습하고 새로운 보안 점검 시나리 오에 적용할 수 있기 때문에, 반복적인 취약점 점검 작업이 자동화되면서 개발자와 보안 전문가의 부담을 줄이는 데 기여하였다. 그러나, 복잡한 비즈니스 로직이나 특정 도메인에 특화된 보안 취약점의 경우, 여전히 전문가의 수동 점검이 필요하다는 한계가 있다. AI 모델이 훈련되지 않은 새로운 유형의 취약점이나 논리적 오류를 탐지하는 데 어 려움을 겪을 수 있기 때문이다. 따라서, 본 연구에서 제안한 코드 생성 AI 기반 자동화 점검 시스템은 보안 전문가 의 작업을 보조하는 도구로 활용될 수 있으며, 향후 AI 모델의 학습 데이터 확장과 정밀도를 높이는 연구가 추가적 으로 필요할 것이다.

This study proposes a methodology for using code-generation AI to efficiently detect security vulnerabilities in web applications. Manual assessments are time-consuming and prone to human error, while existing automated tools struggle with detecting new or context-specific vulnerabilities. To address these challenges, we developed an AI-powered system that converts natural language security requests into executable code and integrates static and dynamic analysis techniques for improved accuracy and efficiency.Experimental results showed that the proposed system reduced assessment time by 40% and significantly lowered labor costs while ensuring standardized and consistent security testing. By learning existing code patterns, the AI automates repetitive security checks, reducing the workload for developers and security professionals. However, complex business logic and domain-specific vulnerabilities still require expert review, as AI may struggle with detecting novel threats or logical flaws. Therefore, this system is best used as a complementary tool rather than a replacement. Future improvements should focus on expanding code generation AI training data and enhancing detection capabilities.

최근에 임베디드 환경은 하드웨어의 비약적인 발전과 다양한 전자 제품에서의 소프트웨어 제어로 인하여 소프트웨어 분야에서 많은 변화를 겪고 있다. 이러한 환경적 변화로 인한 요구사항의 증가는 임베디드 소프트웨어의 복잡도를 높여왔고 이는 기존 개발방법의 한계를 보여주었다. 모델 기반의 개발방법은 이미 오래전 제기되었던 범용소프트웨어 개발에서 발생했던 한계의 해결을 위하여 제시되고 지금까지 사용되어온 방법으로서 임베디드 환경에 닥친 한계의 극복을 위한 대안 중 하나로 꼽히고 있다. 이 논문에서는 이 모델 기반 개발 방법론을 임베디드 소프트웨어 적용하기 위한 모델 기반의 다이어그램 편집기와 이로부터 작성된 모델을 이용하여 자동적으로 코드를 생성하는 코드 자동생성기를 제안한다. 모델 정의에 사용된 다이어그램 편집기는 GMF를 이용하여 구현하며, 코드 자동생성기에는 임베디드 환경의 특징인 제한된 메모리와 동시적 병행성 문제를 해결하기 위한 코드 생성 기법을 추가한다. 아울러 생성된 코드의 검증을 위하여 기존의 코드를 대체하여 수행하는 방법을 사용한다.

Recently, embedded environment suffers a huge change, by growth of hardware and turning to be software-controlled. This has improved embedded software complexity. It also brought us the limit of the old development way to resolve the problem. Model-driven development is one solution to solve the limit common software development by previous way, and it became a one uses for embedded environment also. In this paper, we propose model based development approach for embedded software, witch consists of diagram editor and automatic code generator. The diagram editors are implemented by GMF, which include additional functions to solve memory restrictions and concurrent execution problems without OS environment to a automatic code generator. In order to verify the generated code, it will be tested in main control model of UAV by replacing existing module with generated one.

최근 LLM 기반 코드 생성 모델의 발전으로 데이터 포이즈닝을 통한 백도어 공격은 소프트웨어 공급망 보안에 심각한 문제로 대두되고 있다. 기존 공격은프롬프트 어휘나 구조 변화에 매우 민감하다. 이러한 한계를 극복하기 위해 본 논문에서는다중 프롬프트 앙상블과 의사결정 단일 프롬프트에 의존하기 때문에 불안정하고 알고리즘을 결합한 안정적인 백도어 공격 프레임워크를 제안한다. 제안된 방법은 Ask Me Anything(AMA)전략을 사용하여 네 가지 관점의 프롬프트를 생성하고, Self-Consistency 기반의 다수결 및 의미론적 투표를 적용해 최적의 취약점 데이터를 정제한다. 실험 결과는 제안된 다중 프롬프트 앙상블 프레임워크가 기존의 단일 프롬프트 방식보다 공격 성공률을 최대 94%까지 크게 향상시켜 높은 공격 일관성을 입증함을 보여주었다. 본 연구는 프롬프트 엔지니어링이 어떻게 보안 취약점을 극대화할 수 있는지 정량적으로 분석하여LLM기반 소프트웨어 공급망 위험에 대한 경고를 제시한다. 더불어, 제안된 공격 기법의 이중 용도(Dual-use) 위험성을 인지하고, 이를 완화하기 위한 방어 전략의 필요성과 향후 연구 방향을 제시한다.

As Large Language Model (LLM)-based code generation advances, backdoor attacks have become critical software supply chain security challenges. Existing backdoor attacks rely primarily on single prompts, showing instability and high sensitivity to prompt vocabulary or structure changes. To overcome these limitations, this paper proposes a stable backdoor attack framework combining a multi-prompt ensemble with decision-making algorithms. Our method generates multiple prompts from four perspectives using the Ask Me Anything (AMA) strategy and refines optimal poisoned data by applying Simple Majority and Semantic Voting techniques based on the Self-Consistency principle. Experimental results demonstrate that the proposed multi-prompt ensemble framework significantly improves the Attack Success Rate by up to 94% compared to the baseline single-prompt approach, proving high attack consistency. This study quantitatively analyzes how advanced prompt engineering can maximize security vulnerabilities, warning against LLM-based software supply chain risks. Furthermore, acknowledging the dual-use risk of the proposed attack, we suggest the necessity for defense strategies to mitigate these threats and outline future research directions.

스마트 홈 시스템의 자동화 제어 시스템기술과 전자기기들은 사용자의 정보를 바탕으로 맞춤형 서비스를 가능하게한다. 스마트 홈은 사용자를 위해 가전제품들을 결합하여 서비스를 제공한다. 사람은 상황과 다양한 조건에 따라 목표를 달성하기 위한 행동을 결정한다. 본 논문에서는 온톨로지와 사례기반 추론, 계층적 업무 네트워크 계획(HTN Planning)을 사용하여 사람의 결정을 할 때의 생각과 같은 방법으로 스마트 홈 시스템의 효과적인 운영을 위한 방법을 제안한다. 본 논문에서는 TV시청 모드, 편안함 모드, 휴식 모드의 3가지 시나리오를 실험에 사용하였다. 3가지 시나리오를 활용한 실험에서는 상황을 인지하고 구성하기 위한 온톨로지, 업무의 범위와 운영을 위한 유사한 사례를 찾기 위한 사례기반 추론, 마지막으로 사용자의 요구사항과 정보를 위한 효율적인 계층적 업무 네트워크 계획결과를 제공한다.

It is possible to automate the operation of a smart home system with the help of technologies and equipment that provide customized services based on the person’s information. Smart home provides services by combining home appliances which are configured for a user. A person determines the actions that need to be taken in order to meet a goal based on the context, situation and various conditions. In this paper, using Ontology, Case-based Reasoning, HTN (Hierarchical task network) Planning, we propose a process to deliver results for the effective operation of smart home domains which is similar to human thinking. We have three scenarios: Watching TV mode, Comfortable mode and Rest mode. The results of the scenarios include ontology which helps recognizing the context, Case-based Reasoning which finds order and scope in tasks and HTN planning which provides effective result for user’s requirements and information

운영 체제의 코어에 Intel PT가 포함된 경우, 크래시 발생 시 디버거는 프로그램 상태를 검사할 수 있을 뿐만 아니라 크래 시를 발생시킨 제어 플로우를 재구성할 수 있다. 또한, 커널 패닉 및 기타 시스템 정지와 같은 상황을 디버그하기 위해 실행 트레이스 범위를 전체 시스템으로 확장할 수도 있다. 2세대 PT인 WinIPT 라이브러리는 Windows 10 (버전 1809/Redstone 5) 에서 제공하는 IOCTL 및 레지스트리 메커니즘을 통해 프로세스 별 및 코어 별 트레이스를 실행할 수 있는 추가 코드가 포함 된 Intel PT 드라이버를 포함하고 있다. 즉 기존 1세대 PT에서 비정규화된 방식으로만 제한적인 접근이 가능했던 PT 트레이 스 정보를 2세대 PT에서는 운영 체제에서 제공하는 IOCTL 및 레지스트리 메커니즘을 통해 프로세스 별 및 코어 별 트레이 스를 실행할 수 있게 되었다. 본 논문에서는 1/2세대 PT를 이용하여 윈도우 환경에서 PT 데이터 패킷의 수집·저장·디코딩 및 악성코드 검출을 위한 방법을 비교·설명하였다.

If the operating system's core file contains an Intel PT, the debugger can not only check the program state at the time of the crash, but can also reconfigure the control flow that caused the crash. We can also extend the execution trace scop e to the entire system to debug kernel panics and other system hangs. The second-generation PT, the WinIPT library, inc ludes an Intel PT driver with additional code to run process and core-specific traces through the IOCTL and registry mec hanisms provided by Windows 10 (RS5). In other words, the PT trace information, which was limited access only by the first generation PT, can be executed by process and core by the IOCTL and registry mechanism provided by the operatin g system in the second generation PT. In this paper, we compare and describe methods for collecting, storing, decoding an d detecting malicious codes of data packets in a window environment using 1/2 generation PT.

본 연구는 웹 브라우저에서 실행되는 웹 UI의 동적 테스트를 위한 노코드(no-code) 기반 테스트케이스 및 시나리오 자동 생성 기법을 제안한다. 기존의 스크립트 작성이나 녹화 방식과 달리, 본 기법은 웹 브라우저에서 발생하는 이벤트를 감 지하여 관련 데이터를 자동으로 수집하고, 이를 기반으로 테스트케이스와 시나리오를 생성한다. 제안된 기법의 검증을 위해 자동 생성된 테스트케이스를 사용하여 재테스트를 실행한 결과, 수집 당시 테스트를 동일하게 재현할 수 있었으며 실행 결과 의 정확성도 확인되었다. 본 연구는 사람이 별도의 사전 작업 없이 동적 테스트를 자동 수행할 수 있는 가능성을 제시하며, 향 후 복잡한 사용자 인터랙션 처리영역까지 확장하여 복잡한 업무단위까지 확장할 수 있을 것이라 기대된다.

This research proposes a no-code-based test case and scenario generation technique for dynamic testing of web UIs running in a web browser. Unlike traditional scripting or recording methods, this method detects events occurring in a web browser, automatically collects relevant data, and generates test cases and scenarios based on them. To validate the proposed method, we ran retests using the automatically generated test cases and found that we were able to reproduce the same tests as when they were collected, and the accuracy of the execution results was confirmed. This study shows the possibility of automatically performing dynamic testing without any prior human intervention, and it is expected that it can be extended to complex user interaction processing areas and complex business units in the future.

The development of mobile applications becomes increasingly popular in our daily life due to the intensive use of applications in mobile devices like smartphones and tablets. The diversity and variety of mobile operating systems (Android, iOS, Black Berry, Windows Phone, etc.) make software engineers in front of a big challenge to develop the same application for these different platforms. This paper presents a methodology based on the Model Driven Architecture (MDA) to develop mobile applications according to the principle “develops once, use everywhere”. Our approach exploits UML modeling and Acceleo to generate specific code in order to accelerate and facilitate the development of mobile applications.

Software development can be improved from many perspectives by combining aspect orientation and model-driven engineering techniques. At a higher level, they can be integrated in two different ways: (1) by handling specifics of aspect orientation at modeling level and later generating object-oriented code, or (2) by transforming an aspect model directly into aspect-oriented code. The latter approach has been shown to have advantages over the former. Consequently, different aspect-oriented code generation approaches have appeared in literature. This paper comparatively evaluates some of those existing approaches, which are well-published and can be used in integration with model-driven engineering process. The results of this study indicate that in order to provide this integration, existing aspect code generation need to be improved from various perspectives. Moreover, these results also provide some insight into the prerequisites for a valuable integration of these approaches into a model-driven engineering process.

The integration of aspect oriented modeling approaches with model-driven engineering process achieved through their direct transformation to aspect-oriented code is expected to enhance the software development from many perspectives. This study aims to assess the existing UML-based aspect- oriented modeling techniques from the perspective of their suitability with regards to integration into model-driven engineering process through aspect-oriented code generation. For this purpose, we selected two mature aspect-oriented modeling approaches, Reusable Aspect Models and Theme/UML, and proceeded to evaluate them in a detailed way from the specific perspectives of design and its mapping to the implementation code. The in-depth comparison reveals some points equally shared by both approaches, and identifies some areas where one has advantage over the other. The study concludes that the Reusable Aspect Models approach may be seen as a preferred approach to handling the task of integration using aspect-oriented code generation.

Large language models have catalyzed significant changes in software development through AI-powered coding assistants. This study examines prompt design strategies and features of three widely-used tools: GitHub Copilot, ChatGPT, and Amazon CodeWhisperer. Through systematic benchmarking using algorithmic problems, API integration tasks, and debugging scenarios, we quantify performance differences across accuracy (71-92%), executability (71-94%), and security vulnerability rates (3-12%). GitHub Copilot demonstrates strongest algorithmic performance (92%), while CodeWhisperer excels in API integration (88%) with lowest security vulnerability rate (3%). We provide evidence-based tool selection guidelines and a practical prompt engineering checklist for developers and educators.

다양한 병렬 컴퓨팅 시스템을 지원하기 위해서는 LLVM IR을 벡터/행렬을 보다 효과적으로 지원할 수 있도록 확장하는 것과 LLVM IR을 machine code로 바꾸어 주는 부분을 새로운 알고리즘으로 설계하여 구현하면 된다. IR 예제에서 보았듯이 기본적으로 RISC 명령어로 구성되어 있기 때문에 RISC 명령어 생성은 자연스럽게 생성되며, 벡 터 또한 현재 지원가능한데 행렬 명령어는 지원되지 못하고 있다. 벡터/행렬을 보다 강력하게 지원하기 위한 새로운 IR 구조, 명령어 생성 알고리즘 및 관련 부분의 확장이 필요하다. 이를 위해 LLVM IR의 각 명령어를 (벡터/행렬을 위한) target architecture의 적당한 명령어로 mapping을 해주는 부분 (instruction selection 알고리즘)이 중요하다. LLVM IR 명령어의 의미를 파악하고, target architecture의 각 명령어 의미와 syntax를 비교하여, 패턴이 일치하는 명령어를 선택하여 mapping을 효율적으로 해줘야 한다.

In order to support various parallel computing systems, it is necessary to extend LLVM IR to more efficiently support vector / matrix and to design LLVM IR to machine code as a new algorithm. As shown in the IR example, RISC instruction generation is naturally generated because the RISC instruction is basically composed of the RISC instruction, and the vector instruction is also not supported. There is a need for new IR structures, command generation algorithms and related extensions to support vector / matrix more robustly. To do this, it is important to map each instruction in the LLVM IR to the appropriate instruction in the target architecture (vector / matrix) (instruction selection algorithm). It is necessary to understand the meaning of LLVM IR command, to compare the meaning of each instruction of the target architecture with syntax, and to select the instruction that matches the pattern to make mapping efficient.

The benefits of formal specification methodologies in software development have been identified and well researched. Their use in mainstream software development, however, continues to face a stiff resistance. A prominent reason for this resistance is the fact that there are generally not enough supporting tools to facilitate the development of software from formal specifications. This paper reports on the development of supporting tools for developing software from formal specifications in Real-Time Process Algebra (RTPA). An RTPA to Java Code Generator (RJCG) tool is developed, which combines the functionalities of the syntax checker, lexical analyzer, type checker, semantic analyzer and code generator in facilitating the development of Java code from a formal specification in RTPA. The paper demonstrates that the same concrete grammar rules combined with semantic actions can facilitate the development of a tool with multiple functionalities.

Research and analyze the mobile terminal remote accessing to the database interfaces and methods. On this basis, proposed a middleware forms based on Object Relational mapping. The middleware achieves mobile terminals remote accessing the database and managements of mobile terminals to connect to the database and access mechanisms. This paper adopts the methods that mobile terminals remotely access to database based on ORM and it defines ORM rules that the mobile terminal remotely accesses to the database. It designs and proposes new approaches for mobile terminals and database transmission of information and management. The method achieves visualization of the database interface.

The classical objective of obfuscation considers indistinguishability of the obtained code in relation to original programs of equal functionality. The present paper reviews another objective of obfuscation, when indistinguishability is considered relatively to programs of different functionality. In this case, an obfuscator is provided with a key at the input. It is nearly impossible to discover the program’s functionality without having the key. Hence, that obfuscator type is named a key obfuscator. The paper proves existence of a key obfuscator and existence of effective algorithms for its operation demonstrated by recursive functions. The practical relevance of the result obtained by the research is the possibility to store an executable code in an untrusted computational environment and to obstruct injection attacks and distributed computing analysis. RKB-Obfuscator (Recursive Key Blur), an application for obfuscating high-level applications is presented. The presented application matches recursive functions with commands of a high-level programming language.

The existing code generations methods focus on UML Class diagram, which easily represents code structure such as class, method, attribute, but just possibly generate a skeleton code. In this paper we describe to apply UML Message Sequence Diagram (MSD) for representing interactive behavior among objects, and generate more sophisticated Java Code for Android Platform. We also propose code generation method based on Meta Object Facility (MOF) using model transformation technique. And we show metamodel of MSD and model transformation rules written by Acceleo. Using proposed method, we can optimize Java code of Android platform, and increase more code generation rate than the previous approaches.

Based on the in-depth study of the Android embedded application program frame and project file, this paper proposes a code generation method based on model rule, the method discusses the problem of the layout of the Android embedded application interface, defines the constraint rules between the components and component object model and event model. And code generation rules on the Android embedded applications are defined and used throughout the code generation process, it solves the visualization development of Android embedded application program and the code automatic generation. Finally, a simple examples is given to verify the process of automatic generation of Android embedded code.

With the research in the technology of AADL, we design and realize the parser for AADL and code generation tools which transform AADL model into C source code based on Spoofax/XL. This lays a good foundation for further realizing the AADL unified modeling, verification, implementation and code generation integrated environment.