데이터 기반 경로 선별을 통한 상용 정적분석기의 성능 향상 방법 (Data-driven Path Selection for Improving Industrial-Strength Static Analyzers)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 46권 / 4호 / 363 ~ 368페이지
· 저자명 : 김진영, 이광근

초록

데이터에 기반한 경로 선별을 통해 상용 정적분석기의 성능을 높이는 방법을 제안한다. 경로에 민감한(path-sensitive) 분석은 상용 정적분석기가 일반적으로 채택하는 기법이며, 어떤 경로를 골라 분석하느냐에 따라 분석비용과 검출하는 오류 수가 달라진다. 이 논문은 손수 튜닝된 경로 선별 휴리스틱을 장착한 기존 상용 정적분석기로부터 비용 대비 효과가 좋은 새로운 경로 선별 휴리스틱을 자동으로 학습하는 방법을 제안한다. 분석기 코드에서 추출한 특징(feature)과 벤치마크 프로그램의 분석결과에 기대어 학습한다. 이 방법을 스패로우(Sparrow)의 상용 C 소스코드 정적분석기와 17개의 C 오픈소스 벤치마크에 적용한 결과, 대표적인 17종 대상오류에 대해 기존 분석 대비 90.8%의 오류를 38%의 분석시간에 검출할 수 있었다. 이는 기존 분석기의 경로 선별 휴리스틱을 따르되 탐색하는 경로의 개수만 유사한 조건으로 제한했을 때보다 더 많은 오류를 더 짧은 시간에 검출한 것이다.

영어초록

We propose a data-driven method to improve path-sensitive industrial-strength static analyzers. Most industrial static analyzers adopt path-sensitive techniques and path selection holds the key to their performance. We propose a method to automatically learn new cost-effective path-selection heuristics from an existing analyzer with a manually tuned path-selection heuristic. We evaluated our method on an industrial static C code bug-finder from Sparrow as a baseline analyzer with 17 C open-source benchmark programs. The experimental results showed that with the newly-learned path-selection heuristic, the analyzer reported 90.8% of the defects in only 38% of the analysis time, compared to the baseline analysis. This method reported more defects in less time than the baseline path-selection heuristic under similar path search space constraints.

참고자료

· 없음