软件学报

作者：朱亚伟,左志强,王林章,李宣东

单位：朱亚伟，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002311,左志强，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002302,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 21002303,李宣东，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002304

关键词：内存泄漏;内存泄漏检测;静态分析;机器学习;特征提取

基金：国家重点研发计划（2016YFB1000802）；国家自然科学基金（61802168，61632015）；中央高校基本科研业务费专项资金（020214380047）

内存泄漏在采用显式内存管理机制的C语言中是一种常见的代码缺陷，内存泄漏的检测方法目前主要是静态分析与动态检测.动态检测开销大，且高度依赖测试用例；静态分析目前被学术界和工业界广泛应用，但是存在大量误报，需要人工对检测结果进行确认.内存泄漏静态分析的误报通常是由于对指针、分支语句和全局变量分析的不准确性导致的.提出了一种内存泄漏的智能化检测方法，通过使用机器学习算法学习程序特征与内存泄漏之间的相关性，构建机器学习分类器，并应用机器学习分类器进一步提高内存泄漏静态分析的准确性.首先构建机器学习分类器，然后通过静态分析方法构建从内存分配点开始的Sparse Value Flow Graph（SVFG），并从中提取内存泄漏相关特征，再使用规则和机器学习分类器进行内存泄漏的检测.实验结果显示，该方法在分析指针、分支语句和全局变量时是有效的，能够提高内存泄漏检测的准确性，降低内存泄漏检测结果的误报.最后，对未来研究的可行性以及面临的挑战进行了展望.

来源：2019年第5期

《软件学报》期刊编辑部

查看软件学报杂志2019年第5期