[论文解读] On the Design of Generic Static Analyzers for Modern Imperative Languages

Roberto Bagnara, Patricia M. Hill+2 more|ArXiv.org|Mar 23, 2007

Logic, programming, and type systems参考文献 33被引用 6

一句话总结

本文提出了一种通用的、参数化的框架，用于使用结构化大步SOS和抽象解释，为现代命令式语言构建精确的静态分析器。该框架引入了一种核心命令式语言（CPM）的语义，并提出了一种在抽象域上完全参数化的、可靠且具备关系感知能力的抽象语义，从而支持模块化、可组合且形式化可验证的分析器构建，同时对复杂的数据关系提供了强有力的支持。

ABSTRACT

The design and implementation of precise static analyzers for significant fragments of modern imperative languages like C, C++, Java and Python is a challenging problem. In this paper, we consider a core imperative language that has several features found in mainstream languages such as those including recursive functions, run-time system and user-defined exceptions, and a realistic data and memory model. For this language we provide a concrete semantics --characterizing both finite and infinite computations-- and a generic abstract semantics that we prove sound with respect to the concrete one. We say the abstract semantics is generic since it is designed to be completely parametric on the analysis domains: in particular, it provides support for \emph{relational} domains (i.e., abstract domains that can capture the relationships between different data objects). We also sketch how the proposed methodology can be extended to accommodate a larger language that includes pointers, compound data objects and non-structured control flow mechanisms. The approach, which is based on structured, big-step $\mathrm{G}^\infty\mathrm{SOS}$ operational semantics and on abstract interpretation, is modular in that the overall static analyzer is naturally partitioned into components with clearly identified responsibilities and interfaces, something that greatly simplifies both the proof of correctness and the implementation.

研究动机与目标

• 解决主流命令式语言（如C、C++、Java和Python）中精确且可部署的静态分析器稀缺的问题。
• 通过提供一个形式化基础的、基于组件的设计，克服现有分析器的复杂性与缺乏模块化的问题。
• 支持使用关系抽象域，以精确且可组合的方式捕获数据对象之间的关系。
• 建立一个基础，用于构建既通过构造保证正确性，又便于自动化证明和实现的分析器。
• 通过在ECLAIR系统中的实例化，证明该方法的可行性，表明该方法在实际应用中具有可行性和可扩展性。

提出的方法

• 设计一种具备递归、异常处理和真实内存模型等特性的核心命令式语言（CPM），以反映现实世界编程语言的特征。
• 定义一种结构化的大步G∞SOS具体语义，支持有限和无限计算，并且适合抽象化处理。
• 形式化一种在抽象域上参数化的通用抽象语义，并通过抽象解释证明其正确性。
• 引入与具体域无关的抽象操作（例如，Φe、Φm），将具体控制状态和表达式映射到抽象状态，同时保持正确性。
• 使用不动点计算引擎，有效计算抽象语义的近似值，以支持实际分析。
• 通过将语义与抽象域解耦，确保模块化，支持复用和插件式域集成。

实验结果

研究问题

• RQ1 能否设计一种通用的、参数化的抽象语义，使其支持关系域，并且相对于一种真实命令式语言的具体语义是可靠的？
• RQ2 结构化大步SOS能否被有效用于定义一种既精确又适合抽象化的具体语义？
• RQ3 如何在控制流、内存和数据抽象之间实现关注点分离，以支持模块化的正确性证明？
• RQ4 在不重新证明正确性的情况下，该抽象语义在不同抽象域之间可重用的程度有多大？
• RQ5 该框架能否在实践中被实例化，以实现对真实代码的高效且精确的静态分析？

主要发现

• 所提出的框架成功支持关系抽象域，能够分析数据对象之间的关系，例如数组下标或指针目标。
• 抽象语义已通过形式化证明其相对于具体语义的正确性，确保所有抽象结果都是真实程序行为的正确近似。
• 该方法支持模块化设计：分析器被分解为具有清晰接口的明确定义的组件，从而简化了实现和正确性证明。
• 该框架在抽象域上是参数化的，因此更换或组合不同域无需重新推导抽象语义或重新实现分析引擎。
• 在ECLAIR系统中对框架的实例化证明了其实际可行性，并支持在真实示例上高效计算不动点。
• 该方法显著减少了构建新分析器所需的工作量，因为相同的语义框架可在不同语言和属性上复用，仅需极少修改。