近期，我院软件工程团队2项成果被软件工程国际顶级期刊ACM Transactions on Software Engineering Methodology (TOSEM) 录用并在线刊出。TOSEM是国际上公认的最权威、最高水平的软件工程领域顶级期刊之一，也是软件工程领域仅有的两个CCF A类国际期刊之一。每年1卷，每卷4期，30年（1992-2021）共计收录论文629篇，年均接收文章仅20余篇，录用率极低。

2021年10月，以杨文华老师为第一作者，我校为第一单位的成果《Do Developers Really Know How to Use Git Commands? A Large-Scale Study Using Stack Overflow》被TOSEM录用，这是南京航空航天大学首篇作为第一作者第一单位的成果被TOSEM录用并在线刊出。次月，周宇教授第一作者成果《Adversarial Robustness of Deep Code Comment Generation》被TOSEM录用；近年来，我校软件工程团队不断开拓，在软件工程研究上注重内涵式高质量发展，持续取得重要科研成果。根据TOSEM官网上的数据显示，据统计，我校在TOSEM上发表的论文（含合作）有6篇文章，排在内地高校前茅。

《Do Developers Really Know How to Use Git Commands? A Large-Scale Study Using Stack Overflow》研究了开发者对于Git命令的使用情况。Git是一个跨平台的开源分布式版本控制工具，为软件开发提供了强有力的支持。然而，尽管Git被广泛使用，即使是经验丰富的开发者，在使用各种Git命令时仍经常面临使用上的困难。为了更好地帮助开发者使用Git，该工作对Stack Overflow这个广受开发者欢迎的问答论坛进行了大规模的实证研究。从Stack Overflow中提取了8万多个相关问题，并分析了Git命令问题的流行趋势以及开发者使用Git命令的常见困难。此外，还进行了一项调查，以了解开发者在实践中是如何学习Git命令的。基于上述实证研究与调查发现的结果，该工作为研究者、教育者和开发者提供了一系列可执行的指导。

《Adversarial Robustness of Deep Code Comment Generation》研究了深度神经网络（DNN）应用于代码注释生成任务时的鲁棒性问题。最近，DNN被用于包括代码注释生成在内的各种软件工程任务，但众所周知，DNN容易受到对抗样本的影响。该工作提出了一种生成对抗代码片段的方法来提供深度代码注释生成的鲁棒性，生成的对抗代码片段不仅语法上正确而且在语义上接近于原始代码片段。同时该工作还提出了一种新的训练方法来进一步提高代码注释生成的鲁棒性，可应用于现有代码注释生成模型。在大规模公开数据集上的实验结果表明，生成的对抗代码片段可以有效地产生具有功能保护的稳定攻击，并且与基准相比具有更好的迁移性，提出的训练方法也可以有效地提高模型的鲁棒性。