1 / 14

プログラム依存グラフを用いた ソースコードのパターン違反検出法

プログラム依存グラフを用いた ソースコードのパターン違反検出法. 井上研究室 山田 吾郎. 背景. パターン 複数ヶ所に出現 する 特定の処理を実現するための実装 [1] パターンの実装に誤り ( パターン違反 ) が生じ得る 一部が欠落 [2] 順序の誤り 識別子名の変更漏れ. open(d); : read(d); : :. open(c); : read(c); : close(c);. open(a); : read(a); : close(a);. open(b); : read(b); :

hubert
Download Presentation

プログラム依存グラフを用いた ソースコードのパターン違反検出法

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. プログラム依存グラフを用いたソースコードのパターン違反検出法プログラム依存グラフを用いたソースコードのパターン違反検出法 井上研究室 山田 吾郎

  2. 背景 • パターン • 複数ヶ所に出現する特定の処理を実現するための実装[1] • パターンの実装に誤り(パターン違反)が生じ得る • 一部が欠落[2] • 順序の誤り • 識別子名の変更漏れ open(d); : read(d); : : open(c); : read(c); : close(c); open(a); : read(a); : close(a); open(b); : read(b); : close(b); パターン違反を検出したい [1]石尾 隆ら. シーケンシャルパターンマイニングを用いたコーディングパターン抽出. 情報処理学会論文誌,2009 [2]A. Wasylkowski et al., Detecting object usage anomalies. In Proc. of ESEC/FSE 2007, 2007

  3. 既存手法と問題点 • 確信度: “パターン違反らしさ”を表す値 • パターンの正しい実装と違反との出現比 • 高ければ高いほど違反らしい パターン (頻出部分構造) パターン違反 ソースコード モデル パターン抽出 違反検出 ソート モデル構築 ------ - -- ------ --- --- --------- -- - -- ------ --- --- --------- --- - -- ------ --- --- --------- 確信度 確信度 モデルの簡略化 抽出可能なパターンが減少 高い確信度を用いた検出 検出漏れが増加

  4. 提案手法：概要 • 従来手法に比べ多くの情報を持つ 抽出可能なパターンが増加 パターン パターン違反 ソースコード PDG パターン抽出 違反検出 ソート PDG構築 ------ - -- ------ --- --- --------- -- - -- ------ --- --- --------- --- - -- ------ --- --- --------- プログラム依存グラフ （PDG) 低い確信度での検出 複数のメトリクス 複数のメトリクス • 出現数の少ない違反を検出可能 • 誤検出増加 • 5つのメトリクスにより • フィルタリング • ソート • 誤検出の低下

  5. 提案手法：プログラム依存グラフ • 抽象化が少なく多くの情報をもつ • グラフの構成要素 • 頂点: プログラムの文・条件式 • 辺:データ依存関係・制御依存関係 1 1:inti = 0; 2:i = method(); 3: if ( i > 0) 4:..i = x; 5: y = i; 2 3 4 5

  6. 提案手法：パターン抽出の例 --- - -- ------ --- --- --------- ＰＤＧの構築 --- - -- ------ --- --- --------- --- - -- ------ --- --- --------- ソースコード パターン抽出 P1 P2

  7. 提案手法：違反候補の検出 • 確信度: パターンP1が存在するPDG中でP2も出現する条件付き確率 • 確信度が1ではなく，かつ利用者が定めた閾値より大きい時，P1のみが出現するPDGがパターン違反 頂点 の欠落によるパターン違反 P1 P2

  8. 提案手法：メトリクス • 5つのメトリクスを提案 • リフト値 • 頂点欠落数 • 違反PDG数 • 頂点重複度 • 平均ギャップ長 • 頂点欠落数: 1 • 違反PDG数: 1

  9. 評価実験：概要 • 既存研究であるGrouMiner[1]と比較実験を行う • GrouMinerはPDGに近似したモデルを使用 • 目的 • パターン抽出に用いるデータ増加によりGrouMinerで検出できなかったパターンを抽出できるか • 誤検出を抑えながら，少数しか出現しない違反を検出できるか • 実験方法 • 準備としてメトリクスの閾値を決定する実験を行う • 本手法，GrouMinerともに上位15件を調査し分類 • [1]T.T. Nguyen et al., Graph-based mining of multiple object usage • patterns. In Proc. of ESEC/FSE 2009, 2009

  10. 評価実験：閾値決定 違反候補 上位50% プロジェクト 違反検出 欠陥 閾値 違反検出 ------ --- --- --------- ------ --- --- --------- それぞれのメトリクスの中で最悪値を閾値に ------ --- --- --------- ------ --- --- --------- 全てのメトリクスで上位50%に存在する候補に絞り込み 絞りこまれた全候補から欠陥を調査，列挙

  11. 評価実験：結果

  12. 検出例 • Apache Axisからの欠陥: 確信度0.67 org.apache.axis.components.net.JSSESocketFactory public Socket create(...) throws Exception { if (port == -1) { port = 443;} : Socket sslSocket = null; : 欠落 org.apache.axis.components.net.SunJSSESocketFactory等2箇所 public Socket create(...) throws Exception { Socket sslSocket = null; if (sslFactory == null){ initFactory(); } if (port == -1) { port = 443;} :

  13. まとめと今後の予定 • まとめ • PDGをもとにパターン違反を検出する手法を提案 • ツールを実装し，GrouMinerと比較実験 • 誤検出の増加を抑えながらパターン違反を検出 • 今後の課題 • 手法の高速化 • フィルタリングの有効性を他の手法で確認

  14. ご清聴ありがとうございました

More Related