論文の概要: A statistical approach for finding property-access errors

• arxiv url: http://arxiv.org/abs/2306.08741v1
• Date: Wed, 14 Jun 2023 20:50:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 19:34:58.846658
• Title: A statistical approach for finding property-access errors
• Title（参考訳）: プロパティアクセスエラーに対する統計的アプローチ
• Authors: Ellen Arteca, Max Sch\"afer, Frank Tip
• Abstract要約: オブジェクトが固定レイアウトを持たないJavaScriptで不正確なプロパティアクセスを見つける問題について検討する。 既存のプロパティを参照することはJavaScriptのエラーではないため、既存のプロパティへの偶発的なアクセスは検出されない。 そこで本稿では,プロパティアクセスの誤りを観測結果に基づいて検出する2段階の手法を提案する。
• 参考スコア（独自算出の注目度）: 2.4171019220503402
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of finding incorrect property accesses in JavaScript where objects do not have a fixed layout, and properties (including methods) can be added, overwritten, and deleted freely throughout the lifetime of an object. Since referencing a non-existent property is not an error in JavaScript, accidental accesses to non-existent properties (caused, perhaps, by a typo or by a misunderstanding of API documentation) can go undetected without thorough testing, and may manifest far from the source of the problem. We propose a two-phase approach for detecting property access errors based on the observation that, in practice, most property accesses will be correct. First a large number of property access patterns is collected from an extensive corpus of real-world JavaScript code, and a statistical analysis is performed to identify anomalous usage patterns. Specific instances of these patterns may not be bugs (due, e.g., dynamic type checks), so a local data-flow analysis filters out instances of anomalous property accesses that are safe and leaves only those likely to be actual bugs. We experimentally validate our approach, showing that on a set of 100 concrete instances of anomalous property accesses, the approach achieves a precision of 82% with a recall of 90%, making it suitable for practical use. We also conducted an experiment to determine how effective the popular VSCode code completion feature is at suggesting object properties, and found that, while it never suggested an incorrect property (precision of 100%), it failed to suggest the correct property in 62 out of 80 cases (recall of 22.5%). This shows that developers cannot rely on VSCode's code completion alone to ensure that all property accesses are valid.
• Abstract（参考訳）: 我々は、オブジェクトが固定されたレイアウトを持たず、プロパティ(メソッドを含む)を追加し、上書きし、オブジェクトの寿命を通して自由に削除できるJavaScriptの不正なプロパティアクセスを見つける問題を調査する。 非存在プロパティを参照することはjavascriptのエラーではないため、(おそらくタイプミスやapiドキュメントの誤解によって)存在しないプロパティへの偶発的なアクセスは、徹底的なテストなしで検出されず、問題の原因からは程遠い可能性がある。 そこで本研究では,プロパティアクセスのほとんどが正しいという観測に基づいて,プロパティアクセスエラーを検出する2相アプローチを提案する。 まず、実世界のjavascriptコードの広範囲なコーパスから多数のプロパティアクセスパターンを収集し、異常な使用パターンを特定するために統計分析を行う。 これらのパターンの特定のインスタンスはバグではないかもしれない(動的型チェックなど)ため、ローカルなデータフロー分析では、安全な異常なプロパティアクセスのインスタンスをフィルタし、実際のバグは残らない。 提案手法を実験的に検証し, 異常なプロパティアクセスの100件の具体例において, 90%のリコールで82%の精度を実現し, 実用化に適していることを示す。 また、人気のあるVSCodeコード補完機能がオブジェクトプロパティの提案にどの程度有効であるかを判断する実験を行い、不正なプロパティ(100%の精度)を示唆しなかったが、80ケース中62ケース(22.5%のリコール)で正しいプロパティを提案できなかったことを発見した。 これは、すべてのプロパティアクセスが有効であることを保証するために、VSCodeのコード補完のみに頼ることはできないことを示している。

関連論文リスト

• Bayesian Detector Combination for Object Detection with Crowdsourced Annotations [49.43709660948812]
  制約のない画像できめ細かなオブジェクト検出アノテーションを取得するのは、時間がかかり、コストがかかり、ノイズに悩まされる。 ノイズの多いクラウドソースアノテーションでオブジェクト検出をより効果的に訓練するための新しいベイズ検出結合(BDC)フレームワークを提案する。 BDCはモデルに依存しず、アノテータのスキルレベルに関する事前の知識を必要とせず、既存のオブジェクト検出モデルとシームレスに統合される。
  論文  参考訳（メタデータ） (2024-07-10T18:00:54Z)
• Automatic Defect Detection in Sewer Network Using Deep Learning Based Object Detector [0.0]
  様々な下水道管14.7kmのデータセットに注釈が付された。 オブジェクト検出器(EfficientDet-D0)が自動欠陥検出のために訓練された。 テストセットの83%の欠陥を検出することができ、欠落した17%のうち、非常に深刻な欠陥はわずか0.77%であった。
  論文  参考訳（メタデータ） (2024-04-09T11:13:36Z)
• FineWAVE: Fine-Grained Warning Verification of Bugs for Automated Static Analysis Tools [18.927121513404924]
  ASAT(Automated Static Analysis Tools)は、バグ検出を支援するために、時間とともに進化してきた。 これまでの研究は、報告された警告を検証するための学習ベースの方法を探究してきた。 我々は,バグに敏感な警告をきめ細かい粒度で検証する学習ベースアプローチであるFineWAVEを提案する。
  論文  参考訳（メタデータ） (2024-03-24T06:21:35Z)
• RESTRuler: Towards Automatically Identifying Violations of RESTful Design Rules in Web APIs [3.4711214580685557]
  静的解析を用いてオープンAPI記述における設計規則違反を検出する,JavaベースのオープンソースツールであるRESTRulerを紹介する。 堅牢性のため、RESTRulerは、使用済みの現実世界のOpenAPI定義の99%をうまく分析した。 パフォーマンス効率向上のために、このツールは大部分のファイルに対して良好に動作し、CPUとRAM使用率の低い23秒未満で84%の分析が可能になった。
  論文  参考訳（メタデータ） (2024-02-21T11:25:22Z)
• Yuga: Automatically Detecting Lifetime Annotation Bugs in the Rust Language [15.164423552903571]
  Rustプロジェクトでは、セキュリティ上の脆弱性が報告されている。 これらの脆弱性は、部分的には関数シグネチャの誤った終身アノテーションから生じます。 既存のツールはこれらのバグを検出するのに失敗する。 我々は,新たな静的解析ツールであるYugaを考案し,潜在的なライフタイムアノテーションのバグを検出する。
  論文  参考訳（メタデータ） (2023-10-12T17:05:03Z)
• SalienDet: A Saliency-based Feature Enhancement Algorithm for Object Detection for Autonomous Driving [160.57870373052577]
  未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。 我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。 オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
  論文  参考訳（メタデータ） (2023-05-11T16:19:44Z)
• Black-box Dataset Ownership Verification via Backdoor Watermarking [67.69308278379957]
  我々は、リリースデータセットの保護を、(目立たしい)サードパーティモデルのトレーニングに採用されているかどうかの検証として定式化する。 バックドアの透かしを通じて外部パターンを埋め込んでオーナシップの検証を行い,保護することを提案する。 具体的には、有毒なバックドア攻撃(例えばBadNets)をデータセットのウォーターマーキングに利用し、データセット検証のための仮説テストガイダンスメソッドを設計する。
  論文  参考訳（メタデータ） (2022-08-04T05:32:20Z)
• ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding Attacks via Patch-agnostic Masking [95.6347501381882]
  物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。 我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
  論文  参考訳（メタデータ） (2022-02-03T19:34:25Z)
• Slender Object Detection: Diagnoses and Improvements [74.40792217534]
  本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。 古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
  論文  参考訳（メタデータ） (2020-11-17T09:39:42Z)
• Empirical Upper Bound, Error Diagnosis and Invariance Analysis of Modern Object Detectors [47.64219291655723]
  我々は、最先端のオブジェクト検出ベンチマークを2つ採用し、4つの大規模データセット上で15モデル以上を分析します。 モデルが空の領域に多くのボックスを生成し、そのコンテキストが大きな領域よりも小さなオブジェクトを検出するのに重要であることが分かりました。
  論文  参考訳（メタデータ） (2020-04-05T06:19:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。