[論文レビュー] On the Concept of Variable Roles and its Use in Software Analysis

Yulia Demyanova, Helmut Veith+1 more|arXiv (Cornell University)|May 29, 2013

Software Engineering Research参考文献 6被引用数 4

ひとこと要約

この論文は、Cプログラムにおけるループイテレータ、カウンタ、ビットベクトル、ファイルディスクリプタなどの変数ロールを、データフロー解析を用いて形式的に分類する手法を提案する。変数ロールの頻度を分析することで、機械学習を用いたプログラムカテゴリの予測（例：デバイスドライバ対制御フローコード）が可能となり、cBenchからのロールを用いてSVCOMP 2013ベンチマークで80%を超える正確性を達成した。

ABSTRACT

Human written source code in imperative programming languages exhibits typical patterns for variable use such as flags, loop iterators, counters, indices, bitvectors etc. Although it is widely understood by practitioners that these variable roles are important for automated software analysis tools, they are not systematically studied by the formal methods community, and not well documented in the research literature. In this paper, we study the notion of variable roles on the example of basic types (int, float, char) in C. We propose a classification of the variables in a program by variable roles, and demonstrate that classical data flow analysis lends itself naturally both as a specification formalism and an analysis paradigm for this classification problem. We demonstrate the practical applicability of our method by predicting membership of source files to the different categories of the software verification competition SVCOMP 2013.

研究の動機と目的

• 手続き的Cプログラムにおける変数ロール（例：イテレータ、カウンタ、ビットベクトル）を形式的に定義し、体系的に分類すること。これはソフトウェア工学分野で広く使われているが、非形式的な概念である。
• 変数ロールがヒューリスティック的であるにせよ、データフロー解析を用いて体系的に抽出可能であり、自動プログラム解析を支援できることを示すこと。
• 変数ロールの実用的有用性を、特にソフトウェア検証コンテストの文脈において、プログラムカテゴリ分類の観点から評価すること。
• 役割頻度がプログラムタイプと相関しているかどうかを調査し、ソースファイルの機械学習ベース分類を可能にするかどうかを検討すること。

提案手法

• Cコードにおける構文的・意味的パターンに基づき、14種類の変数ロール（例：COUNTER、BITVECTOR、BOOL、FILE_DESCRIPTOR）の分類を定義する。
• 標準的なデータフロー解析フレームワークを用いて変数ロールを計算し、genおよびkillセットを用いてロール集合をプログラムステートメントに伝搬する。
• ポインタや関数呼び出しの処理において、間接参照や参照パラメータを含む代入は、変数に「未解決代入」とマークすることで処理する。
• ファイルディスクリプタや文字のロールについては、関数呼び出しパターン（例：open、getchar）を用いてロール所属を推定する。
• ファイルごとのロール頻度を抽出し、多クラスSVMの特徴量として用いて、SVCOMP 2013ベンチマークのプログラムカテゴリを予測する。
• 本手法はClangコンパイラーインfraストラクチャを用いて実装され、cBenchコードの5.2 KLOCおよびSVCOMP 2013ベンチマークを対象に評価された。

実験結果

リサーチクエスチョン

• RQ1 Cプログラムにおける変数ロールは静的解析を用いて形式的に分類可能か？ もしそうなら、実世界のコードからどのような主要なロールが顕在化するか？
• RQ2 変数ロール頻度が、デバイスドライバや制御フローコードなどのプログラムカテゴリに分類するための判別特徴量としてどの程度有効か？
• RQ3 コードの意味的・構造的特徴に依存せず、変数ロール頻度のみで学習した機械学習分類器が、プログラムカテゴリをどの程度正確に分類できるか？
• RQ4 cBenchで学習したロール分類システムが、異なるプログラムドメインを有するSVCOMP 2013に一般化可能か？

主な発見

• 提案手法は、実世界のプログラミングパターンに基づく14種類の明確なCプログラム内変数ロールを、データフロー解析に基づいて成功裏に分類した。
• cBenchデータではなく、SVCOMP 2013のデータを学習に用いなかったにもかかわらず、SVCOMP 2013のソースファイルのカテゴリを80%を超える正確性で正しく予測した。
• 上位予測を用いた場合、予測誤差は約15%であり、2番目に高い可能性を考慮に入れると、誤差は約3%にまで低下した。
• 本手法により、プログラムカテゴリ間でロールの分布に顕著な差が生じることが明らかになった。例えば、デバイスドライバはビットベクトルやポインタを多く使用するが、制御フローコードはカウンターやブールフラグを多く使用する。
• 「未解決代入」のようなロールは、特にポインタや参照を伴う静的解析における精度損失の兆候を特定するのにも有用であることが示された。
• 変数ロール頻度は、形式的検証におけるプログラム分類や抽象化のための軽量で効果的な特徴量セットである可能性を示唆している。