[논문 리뷰] Using Program Synthesis for Program Analysis

Cristina David, Daniel Kroening외 1명|arXiv (Cornell University)|2015. 08. 31.

Software Engineering Research인용 수 5

한 줄 요약

이 논문은 안전성, 종료성, 슈퍼옵티마이제이션과 같은 핵심 프로그램 분석 문제를 포괄하는 결정 가능(fragment)인 합성 조각(synthesis fragment)을 소개한다. 이는 유한 상태 프로그램을 합성함으로써 효율적으로 이러한 문제를 해결하는 프로그램 합성 기반의 결정 절차를 제안하며, 기존의 SyGuS 기반 접근 방식에 비해 성능과 사양의 간결성 측면에서 뛰어나다.

ABSTRACT

In this paper, we identify a fragment of second-order logic with restricted quantification that is expressive enough to capture numerous static analysis problems (e.g. safety proving, bug finding, termination and non-termination proving, superoptimisation). We call this fragment the {\it synthesis fragment}. Satisfiability of a formula in the synthesis fragment is decidable over finite domains; specifically the decision problem is NEXPTIME-complete. If a formula in this fragment is satisfiable, a solution consists of a satisfying assignment from the second order variables to \emph{functions over finite domains}. To concretely find these solutions, we synthesise \emph{programs} that compute the functions. Our program synthesis algorithm is complete for finite state programs, i.e. every \emph{function} over finite domains is computed by some \emph{program} that we can synthesise. We can therefore use our synthesiser as a decision procedure for the synthesis fragment of second-order logic, which in turn allows us to use it as a powerful backend for many program analysis tasks. To show the tractability of our approach, we evaluate the program synthesiser on several static analysis problems.

연구 동기 및 목표

• 안전성 증명, 버그 탐지, 종료성 분석과 같은 핵심 프로그램 분석 문제를 표현할 수 있는 결정 가능이고 충분히 표현력 있는 두 번째 차수 논리의 부분집합을 규명하는 것.
• 유한 상태 함수를 위한 완전한 프로그램 합성 알고리즘을 개발하여, 합성 조각에 대해 합성을 결정 절차로 사용할 수 있도록 하는 것.
• 문제 정의와 해결 전략을 분리함으로써 모듈성, 확장성, 효율성을 확보한 솔버를 설계하는 것.
• 문자열 템플릿 없이 비한정 렉시코그래픽 랭킹 함수를 지원하고 효율적인 상수 처리를 가능하게 함으로써, SyGuS와 같은 기존 합성 기반 접근 방식을 뛰어넘는 것.
• 실세계 정적 분석 문제에 대해 본 방법을 평가하여 실용성과 성능, 사양 크기 측면에서의 우수성을 입증하는 것.

제안 방법

• 유한 도메인에서 만족 가능성의 결정 가능성이 보장되는 제한된 두 번째 차수 논리로 합성 조각을 정의하며, 이는 NEXPTIME-완전임을 증명한다.
• 합성 조각 내 논리적 만족 가능성 문제를 유한 상태 프로그램 합성 문제로 환원하며, 각 만족 할당은 필요한 함수를 계산하는 프로그램에 해당한다.
• 한정 모델 체킹(CBMC), 명시적 상태 모델 체킹, 유전적 프로그래밍을 조합한 하이브리드 합성 알고리즘을 구현하여 후보 해를 탐색한다.
• 일반화 전략을 도입하여 먼저 제한된 경우에 대한 단순한 해를 찾고, 점진적으로 전체 해로 일반화하는 방식을 취한다.
• 문자열 템플릿이 없는 C 유사 사양 언어를 사용하여 복잡한 함수(예: 렉시코그래픽 랭킹 함수)를 직접적으로 표현할 수 있도록 한다.
• 합성 언어에서 일급 상수와 비한정 차원 출력을 지원하여 복잡한 프로그램 분석 구조를 효율적으로 표현할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 안전성, 종료성, 슈퍼옵티마이제이션을 포함한 광범위한 정적 분석 문제를 포괄할 수 있는 결정 가능 두 번째 차수 논리의 부분집합을 정의할 수 있는가?
• RQ2 합성 기반의 접근이 이 조각에 대해 유한 도메인에서 완전하고 효율적인 결정 절차로 작용할 수 있는가?
• RQ3 렉시코그래픽 랭킹 함수와 같은 복잡한 구조를 다룰 때, SyGuS와 같은 기존 접근 방식과 비교해 사양 크기, 성능, 표현력 측면에서 어떻게 다른가?
• RQ4 일반화 및 하이브리드 검색 전략(기호적, 명시적, 확률적)은 고복잡도 논리 문제 해결의 확장성과 효율성에 얼마나 기여하는가?
• RQ5 기타 프레임워크에서 효율적으로 표현되지 않는 경우가 많은 일阶 변수와 상수에 대한 존재적 양화를 합성 알고리즘이 효율적으로 처리할 수 있는가?

주요 결과

• 합성 조각은 NEXPTIME-완전이며, 유한 도메인에서 결정 가능하여 논리적 방법을 통한 프로그램 분석에 견고한 이론적 기반을 제공한다.
• 구현된 합성기 Kalashnikov는 20개의 안전성 벤치마크 중 18개를 해결했으며, 평균 실행 시간은 11.3초로, SyGuS 기반 eSolver가 해결한 7개에 비해 뚜렷이 뛰어나다.
• Kalashnikov의 사양은 동등한 SyGuS 사양(3140라인 대비 341라인)의 약 11%에 불과하여 훨씬 더 간결함을 입증한다.
• 솔버의 성능은 증명의 콜모고로프 복잡도에 크게 영향을 받으며, 짧은 증명은 빠르게 발견되어 단순한 해를 가진 문제에 대해 높은 효율성을 보인다.
• 일반화 및 하이브리드 검색 전략(CBMC, 명시적 상태, 유전적 프로그래밍)이 해결에 크게 기여하였으며, 후보의 46%는 명시적 상태 모델 체킹을 통해, 31%는 유전적 프로그래밍을 통해 발견되었다.
• 솔버가 비한정 렉시코그래픽 랭킹 함수를 네이티브로 처리하고, SyGuS에서 단일 체인 방식에 비해 효율적인 상수 인코딩을 지원함으로써, SyGuS가 표현하거나 효율적으로 처리하지 못하는 문제를 해결할 수 있었다.