一種基于子圖搜索的指針相關(guān)語義錯(cuò)誤定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種C語言過程內(nèi)的自動(dòng)化錯(cuò)誤定位方法，尤其涉及一種主要針對(duì)指 針語義相關(guān)錯(cuò)誤的，基于子圖搜索的自動(dòng)化錯(cuò)誤定位方法。
[0002] 發(fā)明背景
[0003] 據(jù)統(tǒng)計(jì)，在使用到指針和動(dòng)態(tài)內(nèi)存的軟件系統(tǒng)中，50 %的軟件故障與指針及動(dòng)態(tài) 內(nèi)存的管理有關(guān)。目前對(duì)于指針錯(cuò)誤定位的研究主要分為兩方面:一方面是對(duì)指針分析算 法的研究，主要用來確定一個(gè)指針可能指向的內(nèi)存地址集或一塊內(nèi)存可能被操作的別名 集。由于這樣的分析通常是不可確定的，因此已有的指針分析算法往往是近似的。另一方 面，一些指針分析工具主要分析特定類型的指針錯(cuò)誤，如空指針引用、內(nèi)存泄露、指針未初 始化等安全方面的隱患。目前，針對(duì)指針的語義錯(cuò)誤的定位方法的相關(guān)研究較少。
[0004]在大型C/C++程序中，尤其是圖和樹等復(fù)雜結(jié)構(gòu)中，指針的應(yīng)用十分廣泛。而在這 種復(fù)雜結(jié)構(gòu)中，一旦出現(xiàn)錯(cuò)誤，往往需要手動(dòng)調(diào)試，且效率低下。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的技術(shù)解決問題:克服現(xiàn)有技術(shù)的不足，提供一種基于子圖搜索的指針相 關(guān)語義錯(cuò)誤定位方法，它能根據(jù)子圖搜索的方法實(shí)現(xiàn)樹或圖等復(fù)雜結(jié)構(gòu)中的指針相關(guān)語義 錯(cuò)誤的自動(dòng)定位，相比于傳統(tǒng)的別名分析算法，具有更高的準(zhǔn)確性。
[0006] 本發(fā)明的技術(shù)解決方案：一種基于子圖搜索的指針相關(guān)語義錯(cuò)誤定位方法，其特 征在于步驟如下：
[0007] (1)根據(jù)失敗的測試用例的輸入，對(duì)程序進(jìn)行符號(hào)執(zhí)行，記錄源程序在這一輸入下 的執(zhí)行軌跡，各個(gè)程序狀態(tài)和指針相關(guān)的復(fù)雜結(jié)構(gòu)的RDF文件；
[0008] (2)根據(jù)執(zhí)行軌跡，從程序中變量的值與期望值不一致的斷點(diǎn)處，反向?qū)Τ绦蜍壽E 中的每一個(gè)語句生成定位方程組和SPARQL(簡單協(xié)議和RDF查詢語言)查詢文件；
[0009] (3)通過二分法反向找到使得定位方程組或SPARQL查詢無解的第一個(gè)語句，由斷 點(diǎn)到此語句之間的與斷點(diǎn)變?cè)嚓P(guān)的語句構(gòu)成了一個(gè)極小程序片段；
[0010] (4) -次定位到的程序片段通常范圍較大，用戶可以再次輸入片段中變量在某個(gè) 狀態(tài)下的預(yù)期值，在此程序片段中再次定位錯(cuò)誤所在的程序片段，不斷重復(fù)這一交互過程， 直到得到的程序片段足夠小，能夠精確地定位到錯(cuò)誤。
[0011] 根據(jù)本發(fā)明的又一個(gè)方面，其中步驟(1)進(jìn)一步包括步驟：
[0012] (a)根據(jù)語句類型，包括賦值語句、順序語句、條件語句、循環(huán)語句和空語句，采用 不同的操作語義規(guī)則生成執(zhí)行軌跡；
[0013] (b)將樹或圖等復(fù)雜結(jié)構(gòu)轉(zhuǎn)換為以XML形式表示的RDF文件；
[0014]根據(jù)本發(fā)明的又一個(gè)方面，其中步驟(2)進(jìn)一步包括：
[0015] (a)判斷當(dāng)前語句中是否含有指針變量操作，如果有，轉(zhuǎn)向（b)，如果沒有，轉(zhuǎn)向 (c)；
[0016] (b)根據(jù)當(dāng)前語句的類型，采用不同操作語義為該語句生成新的SPARQL查詢，該語 句的定位方程組不更新，與執(zhí)行軌跡中的后一條語句的定位方程組相同；
[0017] (c)根據(jù)當(dāng)前語句的類型，采用不同操作語義，包括狀態(tài)初始化、賦值語句、條件語 句、循環(huán)語句、輸入，為該當(dāng)前語句生成新的定位方程組，該當(dāng)前語句的SPARQL查詢不更新。
[0018] 根據(jù)本發(fā)明的又一個(gè)方面，其中步驟(3)進(jìn)一步包括：
[0019] (a)使用Z3求解器判斷定位方程組是否有解;Z3是微軟研發(fā)的一款可以針對(duì)可滿 足性模理論(SMT的中文翻譯）問題進(jìn)行高效計(jì)算的求解器，被廣泛應(yīng)用于軟件驗(yàn)證和軟件 分析領(lǐng)域，我們使用Z3的動(dòng)態(tài)鏈接庫實(shí)現(xiàn)方程組求解；
[0020] (b)使用Apache Jena API生成求解SPARQL查詢的插件，以RDF文件和SPARQL文件 作為輸入，求解RDF中是否存在滿足SPARQL中約束的子圖，如果不存在，則表示無解。Apache Jena是一個(gè)開源的Java框架，用于建立語義網(wǎng)和關(guān)聯(lián)數(shù)據(jù)應(yīng)用，其提供了支持SPARQL查詢 的相關(guān)接口。
[0021] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于:本發(fā)明考慮C語言中指針語義相關(guān)的錯(cuò)誤定 位，通過子圖搜索的方法實(shí)現(xiàn)樹或圖等復(fù)雜結(jié)構(gòu)中的指針相關(guān)語義錯(cuò)誤的自動(dòng)定位，相比 于傳統(tǒng)的別名分析算法，具有更高的準(zhǔn)確性。
【附圖說明】
[0022] 圖1為本發(fā)明的算法基本流程圖；
[0023] 圖2為本發(fā)明的指針賦值語句的處理流程圖；
[0024]圖3為本發(fā)明的條件語句處理流程圖；
[0025] 圖4為本發(fā)明的模擬節(jié)點(diǎn)訪問語句處理流程圖。
【具體實(shí)施方式】
[0026] 下面參考附圖，對(duì)本發(fā)明的實(shí)施例進(jìn)行詳細(xì)的說明。
[0027]首先對(duì)本發(fā)明的算法原理進(jìn)行說明。
[0028] 函數(shù)內(nèi)調(diào)試形式化的基本思路是：當(dāng)程序出現(xiàn)了一個(gè)失敗的測試用例時(shí)，根據(jù)用 戶預(yù)期的程序輸入和輸出，從程序中找出與用戶預(yù)期矛盾的極小程序片段。若此程序片段 仍然較大，則通過不斷的與用戶交互，讓用戶標(biāo)記其中正確的語句或者讓用戶進(jìn)一步給出 片段中變量在某些狀態(tài)下的預(yù)期值，利用這些新的信息縮小語句片段的范圍，直到最終定 位到程序中的一個(gè)錯(cuò)誤。
[0029] 具體而言，本發(fā)明所提出的改進(jìn)算法基本流程如圖1所示。
[0030] 本發(fā)明主要包括的核心思想:根據(jù)程序的執(zhí)行軌跡和期望值，反向?yàn)槊織l執(zhí)行語 句生成定位方程組和SPARQL查詢，主要通過定位方程組表示普通變量間的約束關(guān)系，以 SPARQL查詢表示指針間的依賴關(guān)系，通過求解定位方程組和SPARQL查詢得到第一條無解的 語句，從而推斷出包含錯(cuò)誤的極小程序片段。
[0031 ]在描述算法前先定義如下變量及方法：
[0032] 1 .設(shè)狀態(tài)〇為語句S執(zhí)行時(shí)的狀態(tài)，用k-元組σ.:(? η %，…，η 乂）表示，其中 ·' ρ ?，表示變量Xi的值為m;
[0033] 2.狀態(tài)#記錄了為語句S生成SPARQL查詢時(shí)，程序中的指針變量Pi到其在SPARQL中 表示變量ri的映射，由于SPARQL語法規(guī)定所有查詢變量是以問號(hào)開頭的字符串，因此需要 此指針狀態(tài)表進(jìn)行映射。〇-外 H 4D,Pi4ri，ieN，PV={pi，'"，pk}，AD={ri^"，rk};
[0034] PV表示程序中相關(guān)的指針變量的集合，AD表示這些指針變量在SPARQL查詢中所映 射的變量集合。表示指針變量Pi在SPARQL查詢中用ri表示。
[0035] 3.令S為一個(gè)if語句或while語句的頭語句，如if(b)，〇為語句S執(zhí)行時(shí)的狀態(tài)，二 元組〈S， 〇>被稱為一個(gè)B-環(huán)境。用ε表示B-環(huán)境棧，其中每個(gè)元素都是一個(gè)B-環(huán)境；
[0036] 4.三元組〈S，σ，σ*，ε>為一個(gè)S*_結(jié)構(gòu)，π為軌跡棧，π中每個(gè)元素都是S*_結(jié)構(gòu)，Τ-結(jié) 構(gòu)定義為:π|〈3，σ，σ'ε>。
[0037] 5. rq存儲(chǔ)SPARQL查詢語句，eq存儲(chǔ)定位方程組，每條執(zhí)行語句S的相關(guān)信息用三元 組(巧，69，〈5,〇,〇*，8>)表示，0*是一個(gè)由三元組(四，69，〈5,〇,〇*，〖>)結(jié)構(gòu)組成的列表，存儲(chǔ) 執(zhí)行軌跡中所有語句的SPARQL查詢和定位方程組。
[0038]本發(fā)明的算法描述如下，如圖1:
[0039] 1.為出錯(cuò)源程序生成執(zhí)行軌跡和RDF文件其中執(zhí)行軌跡的生成遵循如下操作語 義：
[0040] (a)賦值語句:x = e，計(jì)算表達(dá)式e在當(dāng)前語句的狀態(tài)σ下的值，并用此值更新狀態(tài)σ 中X的值，將當(dāng)前語句對(duì)應(yīng)的結(jié)構(gòu)壓入軌跡棧π中；
[0041 ] (b)順序語句：如果51和52為相鄰的順序語句，則根據(jù)語句類型，對(duì)Si進(jìn)行符號(hào)執(zhí) 行；
[0042] (c)if語句：if(b){S1;}else{S2;}將當(dāng)前語句對(duì)應(yīng)的結(jié)構(gòu)壓入軌跡棧π中；計(jì)算 當(dāng)前語句狀態(tài)σ下條件表達(dá)式b的值，若為真，則將條件語句頭if (b)及其真值true壓入環(huán)境 棧ε中，接下來對(duì)Si語句體進(jìn)行軌跡生成;若為假，則將條件語句頭if(b)及其真值false壓 入環(huán)境棧ε中，接下來對(duì)&語句體進(jìn)行軌跡生成。
[0043] (d)while語句:while(b) {S;}將當(dāng)前語句對(duì)應(yīng)的結(jié)構(gòu)壓入軌跡棧π中；計(jì)算當(dāng) 前語句狀態(tài)σ下條件表達(dá)式b的值，若為真，則將條件語句頭while (b)及其真值true壓入環(huán) 境棧ε中，接下來對(duì)S語句體進(jìn)行軌跡生成，執(zhí)行完S語句體的最后一條語句時(shí)，查看環(huán)境棧 頂?shù)恼Z句類型，如果是循環(huán)語句，則重復(fù)本過程;若為假，則將條件語句頭while(b)及其真 值false壓入環(huán)境棧ε中，接下來對(duì)該循環(huán)后的語句進(jìn)行軌跡生成。
[0044] RDF文件的生成方法如下:若程序中存在樹或圖等復(fù)雜結(jié)構(gòu)，則將其表示為XML(可 擴(kuò)展標(biāo)記語言)形式的RDF文件。每個(gè)節(jié)點(diǎn)用一個(gè)〈rdf: Description〉標(biāo)簽進(jìn)行描述，節(jié)點(diǎn)的 每個(gè)屬性都可以用一個(gè)〈rdf: Description〉下的子標(biāo)簽進(jìn)行描述。
[0045] 2.根據(jù)執(zhí)行軌跡，從程序中變量的值與期望值不一致的斷點(diǎn)處，反向?qū)Τ绦蜍壽E 中的每一個(gè)語句生成定位方程組和SPARQL查詢文件。根據(jù)語句類型不同，有如下操作語義 規(guī)則：
[0046] (a)初始狀態(tài):如果斷點(diǎn)語句為指針相關(guān)語句，被訪問節(jié)點(diǎn)r的期望值為w，則rq的 初始值為〈?1，'^1116，'\￥>，〇 ：1：的內(nèi)容為〈1'，？1>，表示指針1'在5?41?(^查詢中用符號(hào)？1表示，？1 的值應(yīng)為w，eq的初始值為空;如果斷點(diǎn)語句不涉及指針，則rq的初始值為空，eq的初始值為 {y = n}，表示程序終止時(shí)，某個(gè)變量y的期望值為η。綜上，P#的初始值為[(rq，eq，〈skip，0'