論文の概要: ReuNify: A Step Towards Whole Program Analysis for React Native Android
Apps
- arxiv url: http://arxiv.org/abs/2309.03524v1
- Date: Thu, 7 Sep 2023 07:13:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 08:41:57.025775
- Title: ReuNify: A Step Towards Whole Program Analysis for React Native Android
Apps
- Title（参考訳）: ReuNify: ReactネイティブAndroidアプリの全プログラム分析に向けたステップ
- Authors: Yonghui Liu, Xiao Chen, Pei Liu, John Grundy, Chunyang Chen, and Li Li
- Abstract要約: REUNIFYは、React NativeアプリのJavaScriptとネイティブサイドコードを中間言語に統合するプロトタイプツールである。
我々の評価は、REUNIFYを活用することで、Sootベースのフレームワークが、最も人気のあるReact Native Androidアプリ1,007の静的解析カバレッジを改善することができることを示している。
テントフロー解析にREUNIFYを使用すると、平均2つの追加のプライバシーリークが特定される。
- 参考スコア（独自算出の注目度）: 25.636590032838555
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: React Native is a widely-used open-source framework that facilitates the
development of cross-platform mobile apps. The framework enables JavaScript
code to interact with native-side code, such as Objective-C/Swift for iOS and
Java/Kotlin for Android, via a communication mechanism provided by React
Native. However, previous research and tools have overlooked this mechanism,
resulting in incomplete analysis of React Native app code. To address this
limitation, we have developed REUNIFY, a prototype tool that integrates the
JavaScript and native-side code of React Native apps into an intermediate
language that can be processed by the Soot static analysis framework. By doing
so, REUNIFY enables the generation of a comprehensive model of the app's
behavior. Our evaluation indicates that, by leveraging REUNIFY, the Soot-based
framework can improve its coverage of static analysis for the 1,007 most
popular React Native Android apps, augmenting the number of lines of Jimple
code by 70%. Additionally, we observed an average increase of 84% in new nodes
reached in the callgraph for these apps, after integrating REUNIFY. When
REUNIFY is used for taint flow analysis, an average of two additional privacy
leaks were identified. Overall, our results demonstrate that REUNIFY
significantly enhances the Soot-based framework's capability to analyze React
Native Android apps.
- Abstract（参考訳）: react nativeはクロスプラットフォームモバイルアプリの開発を容易にする、広く使用されているオープンソースフレームワークである。
このフレームワークは、React Nativeが提供する通信メカニズムを通じて、iOS用のObjective-C/SwiftやAndroid用のJava/Kotlinといった、JavaScriptコードとネイティブコードとのインタラクションを可能にする。
しかし、これまでの研究とツールは、このメカニズムを見落としており、react nativeアプリコードの不完全な解析につながった。
この制限に対処するために、react nativeアプリのjavascriptとネイティブサイドコードを、soo静的解析フレームワークによって処理可能な中間言語に統合するプロトタイプツールであるreunifyを開発した。
これにより、REUNIFYはアプリの振る舞いの包括的なモデルを生成することができる。
我々の評価では、REUNIFYを利用することで、Sootベースのフレームワークは、最も人気のあるReact Native Androidアプリ1,007の静的解析カバレッジを改善し、Jimpleコードの行数を70%増やすことが示されています。
さらに、reunifyの統合後、これらのアプリのコールグラフに到達した新規ノードの平均84%の増加も観察した。
テントフロー解析にREUNIFYを使用すると、平均2つの追加のプライバシーリークが特定される。
全体としては、REUNIFYはReact Native Androidアプリを解析するSootベースのフレームワークの機能を大幅に強化することを示している。
関連論文リスト
- Bridging Design and Development with Automated Declarative UI Code Generation [18.940075474582564]
宣言的なUIフレームワークはモバイルアプリ開発で広く採用されており、コード可読性の改善やメンテナンスの容易化といったメリットを提供している。
マルチモーダルな大規模言語モデル(MLLM)の最近の進歩は、ユーザインターフェース(UI)設計から直接モバイルアプリコードを生成することを約束している。
本稿では,コンピュータビジョン(CV),MLLM,反復的コンパイラ駆動最適化を併用して,宣言型UIコードを設計から生成・洗練する自動アプローチであるDeclaUIを提案する。
論文 参考訳（メタデータ） (2024-09-18T03:04:12Z) - CRUD-Capable Mobile Apps with R and shinyMobile: a Case Study in Rapid Prototyping [0.0]
Hardenは、主にRで開発された生態的モメンタリーアセスメント(EMA)のためのプログレッシブWebアプリケーション(PWA)である。
shinyMobileパッケージを活用して、リアクティブなモバイルユーザインターフェース(UI)を作成する。
本稿では,Harden アプリケーション作成に使用される方法論の概要と,アプリケーション開発における shinyMobile アプローチのメリットと限界について述べる。
論文 参考訳（メタデータ） (2024-09-01T02:27:36Z) - JavaScript Dead Code Identification, Elimination, and Empirical
Assessment [13.566269406958966]
Lacunaは、WebアプリからJavaScriptのデッドコードを自動的に検出し、削除するアプローチである。
我々は、モバイルWebアプリケーションのコンテキストにおいて、エネルギー消費、パフォーマンス、ネットワーク使用量、リソース使用量の観点から、JavaScriptデッドコードの実行時のオーバーヘッドを実証的に評価する実験を行う。
論文 参考訳（メタデータ） (2023-08-31T13:48:39Z) - GPT4RoI: Instruction Tuning Large Language Model on Region-of-Interest [51.68383826362895]
本稿では,空間的命令チューニングを提案し,その命令における関心領域(RoI)を参照することを提案する。
我々のモデルであるGPT4RoIは、7つのリージョンテキストペアデータセットに基づいて訓練されており、前例のない対話的かつ対話的な体験をもたらす。
論文 参考訳（メタデータ） (2023-07-07T13:43:44Z) - ReactGenie: A Development Framework for Complex Multimodal Interactions Using Large Language Models [12.0218963520643]
マルチモーダルインタフェースは モダリティのみの効率を 上回ります
本稿では,マルチモーダル入力を計算モデルから分離するプログラミングフレームワークReactGenieを提案する。
評価の結果、12人の開発者が平均2.5時間以内で、非自明なReactGenieアプリケーションを学習し、構築できることがわかった。
論文 参考訳（メタデータ） (2023-06-16T06:53:26Z) - OpenMixup: Open Mixup Toolbox and Benchmark for Visual Representation Learning [53.57075147367114]
視覚表現学習のための最初のミックスアップ拡張とベンチマークであるOpenMixupを紹介する。
私たちは、スクラッチから18の代表的なミックスアップベースラインをトレーニングし、11の画像データセットでそれらを厳格に評価します。
また、人気のあるビジョンバックボーン、最適化戦略、分析ツールキットのコレクションを含むモジュラーバックボーンをオープンソースにしています。
論文 参考訳（メタデータ） (2022-09-11T12:46:01Z) - Text2App: A Framework for Creating Android Apps from Text Descriptions [5.694344021692763]
Text2Appは、自然言語仕様から機能的なAndroidアプリケーションを作成できるフレームワークである。
自然言語を、トークンの数が大幅に少ないアプリケーションを表す抽象的な中間形式言語に変換します。
このプログラミングの詳細の抽象化により、seq2seqネットワークはより少ないオーバーヘッドで複雑なアプリケーション構造を学べる。
論文 参考訳（メタデータ） (2021-04-16T18:13:10Z) - Emerging App Issue Identification via Online Joint Sentiment-Topic
Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。
AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。
Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文 参考訳（メタデータ） (2020-08-23T06:34:05Z) - RepPoints V2: Verification Meets Regression for Object Detection [65.120827759348]
本稿ではRepPointsのローカライズ予測に検証タスクを導入する。
RepPoints v2は、オリジナルのRepPointsよりも約2.0mAPの一貫性のある改善を提供する。
提案手法は、インスタンスセグメンテーションのようなアプリケーションと同様に、他のオブジェクト検出フレームワークをより高めることができることを示す。
論文 参考訳（メタデータ） (2020-07-16T17:57:08Z) - Local-Global Video-Text Interactions for Temporal Grounding [77.5114709695216]
本稿では,テキストクエリに関連するビデオの時間間隔を特定することを目的とした,テキスト間時間グラウンドリングの問題に対処する。
そこで本研究では,テキストクエリにおける意味句の中間レベルの特徴の集合を抽出する,新しい回帰モデルを用いてこの問題に対処する。
提案手法は,ローカルからグローバルへのコンテキスト情報を活用することにより,目標時間間隔を効果的に予測する。
論文 参考訳（メタデータ） (2020-04-16T08:10:41Z)
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。