論文の概要: slash: A Technique for Static Configuration-Logic Identification
- arxiv url: http://arxiv.org/abs/2310.06758v1
- Date: Tue, 10 Oct 2023 16:32:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 03:33:18.096371
- Title: slash: A Technique for Static Configuration-Logic Identification
- Title（参考訳）: slash:静的な構成-論理同定手法
- Authors: Mohannad Alhanahnah, Philipp Schubert, Thomas Reps, Somesh Jha, and
Eric Bodden
- Abstract要約: そこで本研究では,C/C++プログラム24種を対象に,その96%の共通境界特性を同定するフィールドスタディを提案する。
次に、識別されたプロパティに基づいて境界を見つける自動ツールであるtextitslashを紹介します。
textitslashは、研究プログラムの87.5%を8.5分以内で識別し、最大4.4GBのメモリを使用する。
- 参考スコア（独自算出の注目度）: 20.77796478621055
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Researchers have recently devised tools for debloating software and detecting
configuration errors. Several of these tools rely on the observation that
programs are composed of an initialization phase followed by a main-computation
phase. Users of these tools are required to manually annotate the boundary that
separates these phases, a task that can be time-consuming and error-prone
(typically, the user has to read and understand the source code or trace
executions with a debugger). Because errors can impair the tool's accuracy and
functionality, the manual-annotation requirement hinders the ability to apply
the tools on a large scale.
In this paper, we present a field study of 24 widely-used C/C++ programs,
identifying common boundary properties in 96\% of them. We then introduce
\textit{slash}, an automated tool that locates the boundary based on the
identified properties. \textit{slash} successfully identifies the boundary in
87.5\% of the studied programs within 8.5\ minutes, using up to 4.4\ GB memory.
In an independent test, carried out after \textit{slash} was developed,
\textit{slash} identified the boundary in 85.7\% of a dataset of 21 popular
C/C++ GitHub repositories. Finally, we demonstrate \textit{slash}'s potential
to streamline the boundary-identification process of software-debloating and
error-detection tools.
- Abstract（参考訳）: ソフトウェアをデブロ化し、設定エラーを検出するツールが最近開発された。
これらのツールのいくつかは、プログラムが初期化フェーズと主計算フェーズからなるという観察に依存している。
これらのツールのユーザは、これらのフェーズを分離する境界を手動でアノテートする必要がある。
エラーはツールの正確性と機能を損なう可能性があるため、手動アノテーション要件はツールを大規模に適用する能力を妨げる。
本稿では,広く使われている24のc/c++プログラムのフィールドスタディを行い,96\%の共通境界特性を同定した。
次に、識別されたプロパティに基づいて境界を見つける自動ツールである \textit{slash}を導入する。
\textit{slash} は87.5\%のプログラムの境界を8.5\分以内で識別し、最大4.4\GBのメモリを使用する。
独立テストでは、 \textit{slash}が開発され、21の人気のあるC/C++ GitHubリポジトリのデータセットの85.7\%で境界が特定された。
最後に、ソフトウェアデブローミングおよびエラー検出ツールの境界識別プロセスを合理化する、 \textit{slash} の可能性を示す。
関連論文リスト
- Scaling Symbolic Execution to Large Software Systems [0.0]
シンボル実行は、プログラム検証とバグ検出ソフトウェアの両方で使用される一般的な静的解析手法である。
我々は、Clang Static Analyzerと呼ばれるエラー検出フレームワークと、その周辺に構築されたインフラストラクチャーであるCodeCheckerに焦点を当てた。
論文 参考訳（メタデータ） (2024-08-04T02:54:58Z) - VDebugger: Harnessing Execution Feedback for Debugging Visual Programs [103.61860743476933]
V Debuggerは、視覚プログラムのローカライズとデバッギングのために、段階的に実行を追跡することで訓練された、批評家とリファインダーのフレームワークである。
Vデバッガは、詳細な実行フィードバックを活用してプログラムエラーを特定し、修正する。
6つのデータセットの評価は、Vデバッガの有効性を示し、ダウンストリームタスクの精度が最大3.2%向上したことを示している。
論文 参考訳（メタデータ） (2024-06-19T11:09:16Z) - Vision Transformer with Sparse Scan Prior [57.37893387775829]
人間の眼のスパース走査機構に触発され,textbfScan textbfSelf-textbfAttention 機構を提案する。
このメカニズムはトークンごとに一連のAnchor of Interestをプリ定義し、局所的な注意を使ってこれらのアンカー周辺の空間情報を効率的にモデル化する。
rmS3rmA$で構築すると、 textbfSparse textbfScan textbfVisionを導入します。
論文 参考訳（メタデータ） (2024-05-22T04:34:36Z) - 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) - A Broad Comparative Evaluation of Software Debloating Tools [3.0913520619484287]
ソフトウェアデ肥大化ツールは、bloatと呼ばれる不要なコードを削除することで、プログラムのセキュリティとパフォーマンスを改善しようとしている。
筆者らは,10年間のデブロ化文学と,デブロ化生態系に関する知識を分類するために現在,商業開発中のいくつかのツールを調査した。
評価は、20のベンチマークプログラム、12のパフォーマンス、セキュリティ、正当性の測定ツールに基づいて行われた。
論文 参考訳（メタデータ） (2023-12-20T18:53:18Z) - Numeric Truncation Security Predicate [0.0]
トランケーションはC/C++やJavaのような静的なデータ型付けを持つ言語で書かれたソフトウェアで広く使われているエラーである。
DSEツールSydr上に開発された数値トランケーション誤り検出のためのシンボルセキュリティ述語を提案する。
CWE-197のJuliet Dynamicテストスイートでアプローチをテストし、100%の精度を実現しました。
論文 参考訳（メタデータ） (2023-12-11T14:49:26Z) - ControlLLM: Augment Language Models with Tools by Searching on Graphs [97.62758830255002]
我々は,大規模言語モデル(LLM)が実世界のタスクを解くためのマルチモーダルツールを利用できる新しいフレームワークであるControlLLMを提案する。
フレームワークは,(1)複雑なタスクを明確なサブタスクに分割し,入力と出力を適切に定義したサブタスクに分解するtextittask Decomposer,(2)構築済みのツールグラフ上で最適なソリューションパスを探索する textitThoughts-on-Graph(ToG)パラダイム,(3)ソリューションパスを解釈して実行するリッチなツールボックスを備えた textitexecution Engine,の3つの主要なコンポーネントから構成される。
論文 参考訳（メタデータ） (2023-10-26T21:57:21Z) - Guess & Sketch: Language Model Guided Transpilation [59.02147255276078]
学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。
確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。
Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
論文 参考訳（メタデータ） (2023-09-25T15:42:18Z) - HyperPUT: Generating Synthetic Faulty Programs to Challenge Bug-Finding
Tools [3.8520163964103835]
シードバグのあるプログラムを自動的に生成する補完的手法を提案する。
プログラム変換を漸進的に適用することで、"シード"バグからCプログラムを構築します。
論文 参考訳（メタデータ） (2022-09-14T13:09:41Z) - SaccadeNet: A Fast and Accurate Object Detector [76.36741299193568]
我々はtextitSaccadeNet と呼ばれる高速かつ高精度なオブジェクト検出器を提案する。
セナム、コラム、atm、アガットの4つの主要なモジュールが含まれており、異なる情報的オブジェクトキーポイントへの参加を可能にする。
SaccadeNetは、25FPS以上の高速動作が可能なリアルタイムオブジェクト検出装置の中で、最高の検出性能を実現しています。
論文 参考訳（メタデータ） (2020-03-26T19:47:17Z) - Self-Supervised Log Parsing [59.04636530383049]
大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。
既存のアプローチは、ログ特化や手動ルール抽出に依存している。
本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
論文 参考訳（メタデータ） (2020-03-17T19:25:25Z)
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。