[論文レビュー] Fine-Grained Library Customization

Linhai Song, Xinyu Xing|arXiv (Cornell University)|Oct 25, 2018

Advanced Malware Detection Techniques参考文献 10被引用数 4

ひとこと要約

本稿では、静的リンクされたライブラリ内の結果のないコードを特定・削除することで、データ構造体の未使用フィールドを分析することにより、細粒度のライブラリカスタマイゼーション技術を提案する。依存関係解析とLLVM IRにおけるパターンマッチングを用いることで、ライブラリコードサイズを50.83％（722命令中367命令）削減し、攻撃面積の縮小とパフォーマンス向上の観点から、標的的なコードトリミングによる顕著な可能性を示している。

ABSTRACT

Code bloat widely exists in production-run software. Left untackled, it not only degrades software performance but also increases its attack surface. In this work, we conduct a case study to understand this issue in statically linked libraries. To be specific, we analyze midilib, a software package enclosing statically linked libraries. We show that it is possible to leverage dependence analysis to trim the resultless code statements re- siding in a target library. With this observation, we believe it is possible to build a tool to automatically cut off code pertaining to resultless operations.

研究の動機と目的

• 静的リンクされたライブラリにおける、戻り値のデータ構造体の未使用フィールドに起因する結果のないコードの広がりを調査すること。
• 攻撃面積、メモリ圧力、ネットワークオーバーヘッドを増加させるコードの肥大化を是正すること。
• アプリケーションの出力に影響を与えない計算を細粒度で削除するプロトタイプ技術を開発すること。
• フィールドレベルでの使用状況解析が、粗粒度の手法をはるかに上回る正確で安全なコードトリミングを可能にすることを実証すること。

提案手法

• Cライブラリ（midilib）に対して静的解析を実施し、アプリケーションがアクセスしないMIDIメッセージ構造体（MIDI_MSG）のフィールドを特定する。
• データ依存関係解析を用いて、未使用フィールドに関連するLLVM IR命令を追跡・特定し、結果のないものとしてマークし、削除可能とする。
• 2つのプロトタイプツールを実装する：1つは未使用フィールドの代入をパターンマッチングで特定するもの、もう1つは依存関係解析を用いて関連するステートメントを特定するもの。
• 両方のツールの結果を統合し、重複する部分と補完的な部分の両方を特定する。
• 組み合わせたアプローチをmidifile.cライブラリに適用し、LLVM命令数およびソースコード行数の削減を測定する。
• アプリケーションの観察可能な動作に影響がないことを確認することで、削除の安全性を検証する。

実験結果

リサーチクエスチョン

• RQ1 戻り値のデータ構造体における未使用フィールドは、静的リンクされたライブラリにおけるコードの肥大化にどの程度寄与しているか？
• RQ2 依存関係解析は、アプリケーションで使用されない値を計算するコードを効果的に特定・削除できるか？
• RQ3 粗粒度の手法と比較して、細粒度のフィールドレベル解析により、どれほどのコード肥大化を削減できるか？
• RQ4 パターンマッチングと依存関係解析を組み合わせることで、コードトリミングの効果性にどのような影響があるか？

主な発見

• 調査では、m2rtttlアプリケーションが使用しているMIDI_MSG構造体の44個のプリミティブフィールドのうち、わずか9個しか使用していないことが判明し、顕著な未使用計算が存在することが示された。
• パターンマッチングを用いることで、安全に削除可能な33件の結果のないフィールド代入命令が特定された。
• 依存関係解析により、さらに322件の結果のない代入に関連する命令が特定され、合計で355件の削除可能な命令が得られた。
• 組み合わせたアプローチにより、722命令中367命令が削除され、コードサイズが50.83％削減された。
• これは、約39.63％のソースコード行数の削減に相当し、ライブラリの肥大化低減に顕著な潜在的効果があることを示している。
• 結果から、フィールド使用状況と依存関係解析に基づく細粒度のトリミングが、未使用コードの大半を安全に削除可能であることが確認された。