代码审查是高可靠性嵌入式软件开发中不可缺少的一个人工测试环节。近年来随着软硬件复杂性、需求多样性的增多,以人工为主的传统代码审查方法在效率上已逐渐不能满足现有的工程开发需求。为了减轻审查人员的压力,提升审查工作效率,代码审查在技术上急需获取新的突破。与此同时,以深度学习为代表的人工智能技术近几年在计算视觉、自然语言处理、机器人能等众多领域大放异彩,这让学者们注意到了它广泛的实用性。近年来,一部分研究人员在程序理解的研究中使用机器学习并取得了不错的效果,基于机器学习的方法逐渐成为程序理解研究领域的主流。虽然深度学习技术在各领域都取得了丰硕的成果,但它至今为止几乎没有应用于高可靠性软件代码审查的先例。本研究旨在从代码审查工作中目前存在的问题出发,积极探索深度学习技术应用于代码审查工作的可能性。研究内容包含两部分,分别是深度学习应用于高可靠性软件代码审查可行性分析和基于深度学习的程序理解方法设计与实现。在深度学习应用于高可靠性软件代码审查可行性分析研究中,以高可靠性嵌入式软件代码审查的实际工作为起点,本研究深入调研了代码审查的各方面资料和工作流程。在对代码审查与程序理解的理论知识进行概括性总结的同时,整理了相关技术的发展情况,分析了深度学习技术应用于代码审查中的可行性和应用前景。基于深度学习的程序理解方法设计与实现研究中,本研究以认知学习模式为理论基础,提出了一种解决代码审查中常见的程序理解问题——源代码功能分类问题的程序理解方法,以此来证明深度学习技术在代码审查工作中的适用性。本研究将代码审查的源代码功能分类任务中的程序理解分为了两个子任务,分别是程序认知和程序分类。为了实现能够完成这两个任务的算法模型,本研究使用注意力网络和卷积神经网络算法。程序认知算法能够将代码转换为代码语义特征向量,程序分类算法则使用这些特征向量完成程序分类工作。为了验证所提出的算法的性能,本研究在实验中使用了 30M的开源代码测试研究中提出的算法的效果。测试结果表明本研究提出的程序认知算法已经具备分类源代码功能的潜力,它在较小测试集上的分类精确率已经能达到近70%。程序分类算法在实际的代码分类任务程序上获得了更好地分类效果,且相较于基于文本的卷积神经网络分类算法获得了较为可观的提升。这不仅证明了研究中提出的程序理解方法是有效的,也验证了深度学习技术在代码审查工作中的应用潜力。本研究从理论和实践上验证了深度学习代码理解在代码审查中的可行性和潜力。相信是对高可靠性嵌入式软件代码审查的一次有意义的探索。