[論文レビュー] ADF-GA: Data Flow Criterion Based Test Case Generation for Ethereum Smart Contracts

Pengcheng Zhang, Jianan Yu+1 more|arXiv (Cornell University)|Feb 29, 2020

Software Testing and Debugging Techniques参考文献 25被引用数 5

ひとこと要約

本稿では、Ethereumスマートコントラクト向けのテストケース生成手法であるADF-GAを提案する。この手法は、全データフロー被覆を目的としたすべての使用基準を用い、遺伝的アルゴリズムに基づくものである。制御フローグラフの構築、定義-使用ペア（dup）に関連するrequire文の被覆を優先する重み付きフィットネス関数の採用により、ベースライン手法と比較して反復回数を減らしながらも高いテスト被覆率を達成している。

ABSTRACT

Testing is an important technique to improve the quality of Ethereum smart contract programs. However, current work on testing smart contract only focus on static problems of smart contract programs. A data flow oriented test case generation approach for dynamic testing of smart contract programs is still missing. To address this problem, this paper proposes a novel test case generation approach, called ADF-GA (All-uses Data Flow criterion based test case generation using Genetic Algorithm), for Solidity based Ethereum smart contract programs. ADF-GA aims to efficiently generate a valid set of test cases via three stages. First, the corresponding program control flow graph is constructed from the source codes. Second, the generated control flow graph is analyzed to obtain the variable information in the Solidity programs, locate the require statements, and also get the definition-use pairs to be tested. Finally, a genetic algorithm is used to generate test cases, in which an improved fitness function is proposed to calculate the definition-use pairs coverage of each test case with program instrumentation. Experimental studies are performed on several representative Solidity programs. The results show that ADF-GA can effectively generate test cases, achieve better coverage, and reduce the number of iterations in genetic algorithm.

研究の動機と目的

• Ethereumスマートコントラクトに対する動的でデータフロー指向のテスト技法の不足に対処する。
• 既存手法が静的解析や既知の脆弱性パターンに限定しているという制限を克服する。
• 特にrequire文を含むSolidityの独自の特徴に特化したテストケース生成手法を開発する。
• 特にrequire関連の論理を強調することで、定義-使用ペア（dup）の被覆を向上させる。
• 収束時間を短縮し、テストケース生成の効率を向上させるために遺伝的アルゴリズムのプロセスを最適化する。

提案手法

• スマートコントラクトのソースコードから制御フローグラフ（CFG）を構築し、中間表現とする。
• 変数の定義、使用、およびすべての定義-使用ペア（dup）を抽出するためのデータフロー解析を実施する。これにはrequire文を含むdupも含まれる。
• 遺伝的アルゴリズムフレームワーク内でテストケース入力を表現するための染色体符号化方式を設計する。
• require関連のdupに高い重みを割り当てるカスタムフィットネス関数を実装し、進化的選択を導く。
• 選択、交差、変異といった遺伝的演算を用いて、dup被覆を最大化する方向へテストケースを進化させる。
• 実行時の実際のdup被覆を測定するため、スマートコントラクトコードにインストルメントを施し、フィットネス関数にフィードバックする。

実験結果

リサーチクエスチョン

• RQ1 データフロー基準に基づくテストケース生成アプローチは、Ethereumスマートコントラクトのテストにおいて被覆率を効果的に向上させることができるか？
• RQ2 require文関連のdupに重みを付けるフィットネス関数を組み込むことで、テストケース生成の効率と被覆率にどのような影響を与えるか？
• RQ3 被覆率と収束速度の観点から、従来の遺伝的アルゴリズムベースの手法（例：GA-C#）と比較して、ADF-GAはどの程度優れているか？
• RQ4 フィットネス関数におけるパラメータ設定（例：ε）をどのようないくつかに設定すると、ADF-GAの被覆率とパフォーマンスが最適化されるか？
• RQ5 ADF-GAは、ランダムテストやベースラインGAアプローチと比較して、より高い定義-使用ペア被覆率を達成するテストケースを生成できるか？

主な発見

• ADF-GAは、評価対象の11件のスマートコントラクトすべてにおいて、ランダムテスト（RT）およびGA-C#と比較して、通常のdup（N_dup）およびrequire関連dup（R_dup）の両方で最高の被覆率を達成した。
• εを0.45に設定した場合、ADF-GAは最適な被覆率を達成し、最大のR_dup被覆率に到達するのに11.36回、最大のN_dup被覆率に到達するのに7.45回の反復を要した。
• ADF-GAはわずか7.45回の反復で、GA-C#が最初に最大フィットネス値に到達するのと同じ被覆率に到達したが、GA-C#は11.36回の反復を要した。
• 大多数のコントラクトにおいて、ADF-GAの総反復回数はGA-C#よりもわずかに少なかった。これは収束効率の向上を示している。
• ADF-GAの改良されたフィットネス関数により、require関連dupが効果的に優先され、高影響度のテストケースの識別と選択が明確に行われた。
• すべてのテスト対象コントラクトにおいて、ADF-GAはGA-C#と同等またはそれ以上のN_dupおよびR_dup被覆率を達成しており、重み付きフィットネス関数の有効性が裏付けられた。