[논문 리뷰] Danger Invariants

Cristina David, Daniel Kroening외 1명|arXiv (Cornell University)|2015. 03. 18.

Formal Methods in Verification참고 문헌 17인용 수 5

한 줄 요약

이 논문은 안전성 인variant의 이중 개념인 위험 인variant을 도입한다. 위험 인variant은 오류 상태에 도달하는 것을 보장하는 프로그램 트레이스 집합을 요약하며, 루프 전개 없이도 깊은 버그를 확장 가능하고 정밀하게 탐지할 수 있도록 한다. 위험 인variant을 이阶논리로 공식화하고 이阶논리 SAT 솔버를 활용함으로써, 추상 해석의 확장성과 경계 모델 체킹의 정밀성의 장점을 모두 확보한다. 실제 프로그램에서 복잡한 버그를 성공적으로 탐지하였다.

ABSTRACT

Static analysers search for overapproximating proofs of safety commonly known as safety invariants. Fundamentally, such analysers summarise traces into sets of states, thus trading the ability to distinguish traces for computational tractability. Conversely, static bug finders (e.g. Bounded Model Checking) give evidence for the failure of an assertion in the form of a counterexample, which can be inspected by the user. However, static bug finders fail to scale when analysing programs with bugs that require many iterations of a loop as the computational effort grows exponentially with the depth of the bug. We propose a novel approach for finding bugs, which delivers the performance of abstract interpretation together with the concrete precision of BMC. To do this, we introduce the concept of danger invariants -- the dual to safety invariants. Danger invariants summarise sets of traces that are guaranteed to reach an error state. This summarisation allows us to find deep bugs without false alarms and without explicitly unwinding loops. We present a second-order formulation of danger invariants and use the Second-Order SAT solver described in previous work to compute danger invariants for intricate programs taken from the literature.

연구 동기 및 목표

• 깊은 버그를 탐지할 때 많은 루프 반복이 필요한 경우 경계 모델 체킹(BMC)의 확장성 한계를 해결하기 위해.
• 명시적인 루프 전개 없이도 구체적이고 트레이스 기반 추론을 가능하게 함으로써 추상 해석의 모호함을 해소하기 위해.
• 안전성 인variant의 이중 개념인 위험 인variant을 개발하여 오류 상태로 이르는 트레이스 집합을 요약하기 위해.
• 추상 해석과 BMC의 장점을 융합하여 복잡한 프로그램에서 정밀하고 확장 가능한 버그 탐지 기법을 제공하기 위해.
• 이階논리와 이階논리 SAT 솔버를 사용하여 위험 인variant을 계산할 수 있는지의 타당성을 입증하기 위해.

제안 방법

• 오류 상태에 도달하는 것을 보장하는 프로그램 트레이스 집합을 특징짓는 이階논리 술어로 위험 인variant를 공식화한다.
• 복잡한 제어 흐름과 깊은 루프를 가진 프로그램에 대해 위험 인variant를 자동으로 계산하기 위해 이階논리 SAT 솔버를 사용한다.
• 프로그램 상태를 추상화하면서도 오류 상태 도달 가능성은 유지하는 논리적 인variant를 사용하여 프로그램 동작을 표현한다.
• 안전성 인variant의 논리 구조를 역전시켜 위험 인variant를 구성함으로써, 애초에 암시적 조건 위반으로 이르는 트레이스에 초점을 맞춘다.
• 기존의 이階논리 해법 기술을 활용하여 실제 문헌에 등장하는 비트리비얼한 프로그램까지 분석의 확장성을 확보한다.
• 기존의 BMC가 깊이에 따라 지수적 증가로 실패하는 벤치마크 프로그램에서, 추상 해석이 깊은 버그를 탐지하지 못하는 상황에서 접근법을 검증한다.

실험 결과

연구 질문

• RQ1 위험 인variant는 안전성 인variant의 이중 개념으로서 공식적으로 정의될 수 있으며, 오류 상태로 이르는 트레이스를 포괄할 수 있는가?
• RQ2 기존의 이階논리 SAT 솔버를 사용해 위험 인variant의 이階논리 공식화를 효과적으로 해결할 수 있는가?
• RQ3 경계 모델 체킹이 실패하는 깊은 루프를 가진 프로그램에 대해 위험 인variant 접근법이 확장 가능한가?
• RQ4 위험 인variant는 추상 해석의 과도한 근사로 인해 놓치는 버그를 탐지할 수 있는가?
• RQ5 명시적인 루프 전개 없이도 거짓 경고 없이 복잡한 깊은 버그를 식별할 수 있는가?

주요 결과

• 위험 인variant는 오류 상태로 이르는 트레이스 집합을 성공적으로 요약하여, 명시적인 루프 전개 없이도 깊은 버그 탐지를 가능하게 한다.
• 이 접근법은 추상 해석 수준의 확장성과 경계 모델 체킹 수준의 정밀성을 동시에 확보한다.
• 이階논리 SAT 해법을 통해 문헌에 등장하는 복잡한 프로그램에 대해 위험 인variant를 자동으로 계산할 수 있다.
• 경계 모델 체킹이 깊이 요구로 인해 실패하는 프로그램에서 버그를 탐지할 수 있다.
• 위험 인variant의 이중 구조는 반례 트레이스에 의존하지 않고도 프로그램 실패를 체계적으로 분석할 수 있는 방법을 제공한다.
• 기존 정적 분석 기법으로는 탐지할 수 없는 실제 벤치마크에서 깊고 복잡한 버그를 성공적으로 식별하였다.