[論文レビュー] Succinct Representations for Abstract Interpretation

Julien Henry, David Monniaux+1 more|Jun 19, 2012

Formal Methods in Verification参考文献 15被引用数 10

ひとこと要約

本論文は、要約的解釈における精度を向上させるために、短縮された経路表現とSMTソルブを用いた新規技術を提案する。この手法は、凸包による過剰近似を避ける代わりに、実行可能なプログラム経路に焦点を当てることで、静的解析の精度を向上させる。SMTクエリと二分決定図（BDD）を用いた符号的経路列挙とガイド付き解析を組み合わせることで、タイトな不変量を達成する。具体的には、ループ内での変数の正確な範囲 $[-10000, 10000]$ を回復する事例が示され、経路列挙の指数的爆発を回避する。

ABSTRACT

Abstract interpretation techniques can be made more precise by distinguishing paths inside loops, at the expense of possibly exponential complexity. SMT-solving techniques and sparse representations of paths and sets of paths avoid this pitfall. We improve previously proposed techniques for guided static analysis and the generation of disjunctive invariants by combining them with techniques for succinct representations of paths and symbolic representations for transitions based on static single assignment. Because of the non-monotonicity of the results of abstract interpretation with widening operators, it is difficult to conclude that some abstraction is more precise than another based on theoretical local precision results. We thus conducted extensive comparisons between our new techniques and previous ones, on a variety of open-source packages.

研究の動機と目的

• ループ解析における拡大による過剰近似の原因となる標準的要約的解釈の不正確さを是正すること。
• 完全な経路列挙を避けることで、論理和不変量の指数的増加を低減すること。
• SMTソルブと符号的表現を用いて実行可能な経路に焦点を当てることで、静的解析の精度を向上させること。
• 経路焦点化とガイド付き解析技術を、短縮された経路表現と統合し、収束性と精度を向上させること。
• LLVMビットコードとAPRONライブラリを用いて、実世界のC/C++/Fortranプログラムに対して本手法を実証的に評価すること。

提案手法

• 個々の遷移ではなく、拡張された経路マルチグラフ上でガイド付き静的解析を再定式化し、SMTクエリを用いて動的経路列挙を実施する。
• 二分決定図（BDD）による符号的経路表現を採用し、明示的な列挙なしに経路集合をコンactに符号化する。
• 変数値の経路に沿った正確な符号的操作を可能にするために、静的単一代入（SSA）形式を用いる。
• SMTソルブを用いて、不変量の成長に寄与する実行可能な経路を特定し、全列挙を回避する。
• 上昇反復と収縮を組み合わせることで、拡大による精度損失を回復し、最終的な不変量の品質を向上させる。
• LLVMビットコードを入力とし、抽象ドメインにAPRONライブラリを用いたプロトタイプアナライザーとして本手法を実装する。

実験結果

リサーチクエスチョン

• RQ1 SMTベースの経路列挙は、指数的経路爆発を伴わずに要約的解釈の精度を向上させることができるか？
• RQ2 すべての経路ではなく実行可能な経路に焦点を当てることで、ループ解析におけるタイトな不変量が得られるか？
• RQ3 経路および遷移の短縮表現は、論理和不変量生成におけるメモリおよび時間的オーバーヘッドを低減できるか？
• RQ4 本手法は、古典的要約的解釈および先行のガイド付き解析と比較して、精度およびスケーラビリティの面で優れているか？
• RQ5 収縮を経路固有の不変量に適用することで、拡大中に失われた精度を効果的に回復できるか？

主な発見

• 本手法は、ベンチマークループ内での変数 `x_old` について、正確な不変量 $[-10000, 10000]$ を回復したが、6つの可能な経路のうちたった3つしか探索しなかった。
• 本手法は、標準的ガイド付き解析および経路焦点化よりも高い精度を達成し、両者ともより緩い不変量 $(-ackslashinfty, +ackslashinfty)$ を出力した。
• 解析中に計算された経路はわずか3つであり、全列挙と比較して経路列挙コストが顕著に低減されていることが示された。
• 抽象値の増加を引き起こす新たな経路が発生しなくなった時点でアルゴリズムが停止したため、安定的かつ正確な結果に収束していることが示された。
• LLVMおよびAPRONとの統合により、実世界のC/C++/Fortranプログラムに対する分析が、最小限の実装変更で可能になった。
• 実証的評価により、SMTベースの選択による経路固有解析が、モノリス的拡大よりも精度に優れていることが確認された。特に、複雑な分岐を含むループにおいて顕著な優位性が示された。