Fugu-MT 論文翻訳(概要): Concolic Testing of JavaScript using Sparkplug

論文の概要: Concolic Testing of JavaScript using Sparkplug

arxiv url: http://arxiv.org/abs/2405.06832v1
Date: Fri, 10 May 2024 22:11:53 GMT
ステータス: 処理完了
システム内更新日: 2024-05-14 19:55:18.169805
Title: Concolic Testing of JavaScript using Sparkplug
Title（参考訳）: Sparkplugを使ったJavaScriptの衝突テスト
Authors: Zhe Li, Fei Xie,
Abstract要約: JSのInsitu Concolic Testingは有効だが、遅く、複雑である。本稿では,V8 Sparkplugのベースラインコンパイラと,LLVM IR変換への組立のためのリミルライブラリによるトレースを改良する。
参考スコア（独自算出の注目度）: 6.902028735328818
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: JavaScript is prevalent in web and server apps, handling sensitive data. JS testing methods lag behind other languages. Insitu concolic testing for JS is effective but slow and complex. Our method enhances tracing with V8 Sparkplug baseline compiler and remill libraries for assembly to LLVM IR conversion. Evaluation on 160 Node.js libraries reveals comparable coverage and bug detection in significantly less time than the in-situ method.
Abstract（参考訳）: JavaScriptはWebやサーバアプリケーションで広く使われており、機密データを扱う。 JSテストメソッドは、他の言語に遅れている。 JSのInsitu Concolic Testingは有効だが、遅く、複雑である。本稿では,V8 Sparkplugのベースラインコンパイラと,LLVM IR変換への組立のためのリミルライブラリによるトレースを改良する。 160のNode.jsライブラリの評価は、in-situメソッドよりもはるかに少ない時間で、カバー範囲とバグ検出に匹敵する。

関連論文リスト

Mutation-Based Deep Learning Framework Testing Method in JavaScript Environment [16.67312523556796]
そこで本研究では,DLJSFuzzerという変異ベースのJavaScript DLフレームワークテスティング手法を提案する。 DLJSFuzzerは21のユニークなクラッシュと126のNaN & Inconsistencyバグを正常に検出する。 DLJSFuzzerはモデル生成効率が47%以上、バグ検出効率が91%以上改善されている。
論文参考訳（メタデータ） (2024-09-23T12:37:56Z)
jscefr: A Framework to Evaluate the Code Proficiency for JavaScript [1.7174932174564534]
jscefr(Jes-cee-fer)は、JavaScript(JS)言語のさまざまな要素の使用を検出するツールである。 jscefrはJSコードを6つのレベルに分類する。
論文参考訳（メタデータ） (2024-08-29T11:37:49Z)
CRUXEval-X: A Benchmark for Multilingual Code Reasoning, Understanding and Execution [50.7413285637879]
CRUXEVAL-Xコード推論ベンチマークには19のプログラミング言語が含まれている。各言語に対して少なくとも600人の被験者で構成され、合計19Kのコンテンツ一貫性テストがある。 Pythonでのみトレーニングされたモデルでさえ、他の言語で34.4%のPass@1を達成することができる。
論文参考訳（メタデータ） (2024-08-23T11:43:00Z)
DistML.js: Installation-free Distributed Deep Learning Framework for Web Browsers [40.48978035180545]
DistML.jsは、Webブラウザ内で機械学習モデルのトレーニングと推論のために設計されたライブラリである。実用的なアプリケーションとともに、DistML.jsの設計、API、実装に関する包括的な説明を提供する。
論文参考訳（メタデータ） (2024-07-01T07:13:14Z)
Long Code Arena: a Set of Benchmarks for Long-Context Code Models [75.70507534322336]
Long Code Arenaは、プロジェクト全体のコンテキストを必要とするコード処理タスクのための6つのベンチマークスイートである。これらのタスクは、ライブラリベースのコード生成、CIビルドの修復、プロジェクトレベルのコード補完、コミットメッセージ生成、バグローカライゼーション、モジュールの要約といった、コード処理のさまざまな側面をカバーする。各タスクに対して、テスト用の手作業によるデータセット、評価スイート、オープンソースのベースラインソリューションを提供しています。
論文参考訳（メタデータ） (2024-06-17T14:58:29Z)
Blocking Tracking JavaScript at the Function Granularity [15.86649576818013]
Not.jsは、関数レベルの粒度で動作する、きめ細かいJavaScriptブロッキングツールである。 Not.jsは、Webページのグラフ表現で教師付き機械学習分類器をトレーニングし、まずJavaScript関数レベルでトラッキングを検出する。 Not.jsは、トラッキングを削除しながら機能を保存するサロゲートスクリプトを自動的に生成する。
論文参考訳（メタデータ） (2024-05-28T17:26:57Z)
FV8: A Forced Execution JavaScript Engine for Detecting Evasive Techniques [53.288368877654705]
FV8はJavaScriptコードの回避テクニックを特定するために設計された修正V8 JavaScriptエンジンである。動的コードを条件付きで注入するAPI上でのコード実行を選択的に実施する。 1,443のnpmパッケージと、少なくとも1つのタイプのエスケープを含む164の(82%)拡張を識別する。
論文参考訳（メタデータ） (2024-05-21T19:54:19Z)
CrashJS: A NodeJS Benchmark for Automated Crash Reproduction [4.3560886861249255]
ソフトウェアのバグは、しばしばソフトウェアクラッシュを引き起こし、アメリカの企業は年間2.08兆ドル以上のコストがかかる。クラッシュ自動再現は、クラッシュを正常に再現するユニットテストを生成することを目的としている。 CrashJSは、複数のソースから453のNode.jsクラッシュのベンチマークデータセットである。
論文参考訳（メタデータ） (2024-05-09T04:57:10Z)
REST: Retrieval-Based Speculative Decoding [69.06115086237207]
本稿では,言語モデル生成の高速化を目的とした新しいアルゴリズムであるRetrieval-Based Speculative Decoding(REST)を紹介する。投機的復号化のためのドラフト言語モデルに依存する従来の方法とは異なり、RESTは検索の力を利用してドラフトトークンを生成する。単一バッチ環境で7Bと13Bの言語モデルでベンチマークすると、RESTはコードやテキスト生成において1.62Xから2.36Xの大幅なスピードアップを達成する。
論文参考訳（メタデータ） (2023-11-14T15:43:47Z)
InterCode: Standardizing and Benchmarking Interactive Coding with Execution Feedback [50.725076393314964]
標準的な強化学習環境として,インタラクティブコーディングの軽量でフレキシブルで使いやすいフレームワークであるInterCodeを紹介した。私たちのフレームワークは、言語とプラットフォームに依存しない、自己完結型のDocker環境を使用して、安全で再現可能な実行を提供します。我々は、異なるプロンプト戦略で構成された複数の最先端LLMを評価することにより、InterCodeの生存性をテストベッドとして示す。
論文参考訳（メタデータ） (2023-06-26T17:59:50Z)
torchgfn: A PyTorch GFlowNet library [56.071033896777784]
torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
論文参考訳（メタデータ） (2023-05-24T00:20:59Z)

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。