软件学报

作者：高凤娟，王豫，周金果，徐安孜，王林章，吴荣鑫，张川，苏振东

单位：高凤娟，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002311,王豫，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002302,周金果，蚂蚁集团, 广东 深圳 51800003,徐安孜，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002304,王林章，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002305,吴荣鑫，厦门大学 信息学院, 福建 厦门 36100506,张川，Department of Computer Science and Engineering, The Hongkong University of Science and Technology, Hongkong, China07,苏振东，Department of Computer Science (ETH Zurich), Zürich, Switzerland08

关键词：数据竞争;MHP分析;静态分析

基金：国家自然科学基金（62032010）

随着技术的不断发展，软件系统的非确定性（uncertainty）不断增强，数据竞争是并发系统这一类典型的非确定性软件系统中常见的缺陷.尽管数据竞争静态检测近年来取得了巨大进展，但其面临的重要问题仍然存在.先前的静态技术要么以分析精度为代价达到高扩展性，要么由于高精度分析而导致可扩展性问题.提出一种解决上述矛盾的分段分析方法——GUARD.它首先基于程序值流进行轻量级上下文敏感的数据访问分析，以识别出候选的数据竞争子路径而非完整的程序路径.接下来，进行可能并行执行（may-happen-in-parallel，即MHP）分析来确定程序中的两个数据访问操作是否可能会同时执行.MHP分析基于线程流图（TFG）将线程信息进行编码以便于高效地查询各个子路径之间的并发关系.最后，对于每条存在MHP数据访问的子路径，进行重量级路径敏感分析以确定数据竞争路径的可行性.针对12个开源项目的实验评估显示，GUARD能够在1 870s内完成对130万行代码的工业规模项目的检测，且平均误报率为16.0%.此外，GUARD的分析速度更快，比现有的前沿技术平均快了6.08倍，并且显著降低了误报率.除此之外，GUARD在其中还发现了12个数据竞争漏洞.将它们全部报告给了开发者，其中8个已得到了确认.

来源：2021年第7期

《软件学报》期刊编辑部

查看软件学报杂志2021年第7期