[논문 리뷰] SymInfer: Inferring Program Invariants using Symbolic States

ThanhVu Nguyen, Matthew B. Dwyer외 1명|arXiv (Cornell University)|2019. 03. 28.

Formal Methods in Verification참고 문헌 33인용 수 6

한 줄 요약

SymInfer는 기호 실행에서 유도된 기호 상태를 활용하여, 자바 프로그램의 임의의 프로그램 위치에서 정확하고 복잡한 인variant(불변량) — 특히 비선형 수치적 인variant — 를 추론하는 반례 유도 기반의 인variant 생성 기법을 제안한다. 후보 인variant 추론과 검증에 동일한 기호 상태를 재사용함으로써 중복 계산을 방지하고, 특히 비선형 산술과 복잡도 분석을 포함한 벤치마크에서 기존 도구보다 확장성과 정밀도 면에서 뛰어나다.

ABSTRACT

We introduce a new technique for inferring program invariants that uses symbolic states generated by symbolic execution. Symbolic states, which consist of path conditions and constraints on local variables, are a compact description of sets of concrete program states and they can be used for both invariant inference and invariant verification. Our technique uses a counterexample-based algorithm that creates concrete states from symbolic states, infers candidate invariants from concrete states, and then verifies or refutes candidate invariants using symbolic states. The refutation case produces concrete counterexamples that prevent spurious results and allow the technique to obtain more precise invariants. This process stops when the algorithm reaches a stable set of invariants. We present SymInfer, a tool that implements these ideas to automatically generate invariants at arbitrary locations in a Java program. The tool obtains symbolic states from Symbolic PathFinder and uses existing algorithms to infer complex (potentially nonlinear) numerical invariants. Our preliminary results show that SymInfer is effective in using symbolic states to generate precise and useful invariants for proving program safety and analyzing program runtime complexity. We also show that SymInfer outperforms existing invariant generation systems.

연구 동기 및 목표

• 동적 인variant 추론 도구의 한계를 해결하기 위해, 일반적으로 잘못된 인variant(가짜 인variant)을 생성하고 비선형 산술과 같은 복잡한 수치적 성질을 다루기 어려운 점을 해결한다.
• 기존 CEGIR 프레임워크에서 기호 상태 공간이 각 인variant에 대해 반복적으로 재계산되는 등 블랙박스 기반 기호 검증의 비효율성을 극복한다.
• 기호 상태를 인variant 추론과 검증 모두에 재사용하는 통합 프레임워크를 개발하여 성능과 정밀도를 향상시킨다.
• 프로그램 검증 및 정적 분석에 핵심적인 역할을 하는 복잡한 인variant — 예를 들어 $x^2 + y^2 = z^2$ 또는 $x_1 = x_2 \cdot y_1 + y_2 + y_3$ — 의 발견을 가능하게 한다.
• 기본 상태나 블랙박스 기반 기호 실행보다 기호 상태가 인variant 생성에 더 우수한 기반임을 입증한다.

제안 방법

• 기호 경로 탐색기(SPF)를 사용해 기호 상태(경로 조건 및 변수 제약 조건)를 생성하여, 큰 수의 실제 프로그램 상태 집합을 압축하고 다양한 방식으로 표현한다.
• 기호 상태로부터 파생된 실제 상태에서 추출한 데이터를 바탕으로, DIG를 통해 표현력이 풍부한 비선형 인variant를 추론하는 동적 인variant 추론을 부트스트랩한다.
• 기호 상태를 직접적으로 사용해 후보 인variant에 대한 검증 조건을 수립함으로써, 효율적인 SAT/SMT 기반 검증을 가능하게 한다.
• 검증 과정에서 반례 생성 기능을 통합하여 추론를 정교화하고 가짜 인variant를 제거함으로써 안정적이고 정밀한 인variant 집합으로 수렴하도록 보장한다.
• 모든 추론 및 검증 반복 과정에서 동일한 기호 상태 표현 방식을 재사용함으로써, 중복된 기호 실행을 방지한다.
• 논리합(SMT) 공식의 분리 표현 및 상태공간 재사용과 같은 최적화 기법을 적용하여 검증 오버헤드를 감소시키고 확장성을 향상시킨다.

실험 결과

연구 질문

• RQ1 기호 실행에서 유도된 기호 상태는 CEGIR 프레임워크에서 인variant 추론과 검증을 위한 효과적이고 재사용 가능한 기반으로 기능할 수 있는가?
• RQ2 기호 상태는 비선형 산술 관계와 같은 복잡한 수치적 인variant에 대해 인variant 추론의 정밀도와 확장성에 얼마나 기여하는가?
• RQ3 iDiscovery, PIE, ICE, NumInv와 같은 기존 도구와 비교해 SymInfer는 인variant 품질, 성능, 복잡한 인variant 지원 측면에서 어떤가?
• RQ4 SymInfer는 정적 분석 및 보안 추론에 유용한 비트리비얼 프로그램 복잡도 상한(예: 루프 반복 횟수)을 효과적으로 추론할 수 있는가?
• RQ5 여러 검증 체크에 걸쳐 기호 상태를 재사용하는 방식은 블랙박스 기반 기호 실행 방식에 비해 측정 가능한 성능 향상을 이끌어내는가?

주요 결과

• SymInfer는 27개의 비선형 산술(NLA) 벤치마크 중 21개에서 복잡한 비선형 인variant를 성공적으로 추론하였으며, iDiscovery는 이러한 관계를 지원하지 않아 실패했다.
• HOLA 벤치마크에서 19개 프로그램 중 18개에 대해 비트리비얼 복잡도 상한을 발견하였고, 이 중 4개는 이전 연구에서 확보한 최고 성능 결과를 초월하였다.
• HOLA 벤치마크에서 SymInfer는 46개 프로그램 중 41개에서 최첨단 도구인 PIE를 능가하여 더 뛰어난 확장성과 정밀도를 입증하였다.
• SymInfer는 모든 벤치마크에서 NumInv의 인variant 품질을 맞추거나 초월하면서도, SPF가 C 프로그램에 대해 KLEE보다 느리다는 점을 감안할 때도 기호 상태 재사용의 효율성 덕분에 더 빠르게 실행되었다.
• 반례 기반 정교화를 통해 가짜 인variant를 방지하여 중복된 기호 실행 없이 안정적이고 정밀한 인variant 집합을 확보하였다.
• 기호 상태의 사용 덕분에 KLEE와 같은 블랙박스 검증 도구에 비해 뚜렷한 성능 우위를 확보하였으며, 기호 상태 계산은 한 번만 수행되고 모든 인variant에 걸쳐 재사용되기 때문이다.