論文の概要: Tech-ASan: Two-stage check for Address Sanitizer

• arxiv url: http://arxiv.org/abs/2506.05022v1
• Date: Thu, 05 Jun 2025 13:32:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.73063
• Title: Tech-ASan: Two-stage check for Address Sanitizer
• Title（参考訳）: Tech-ASan:アドレスサニタイザの2段階チェック
• Authors: Yixuan Cao, Yuhong Feng, Huafeng Li, Chongyi Huang, Fangcao Jian, Haoran Li, Xu Wang,
• Abstract要約: アドレスサニタイザー(ASan)は、メモリの安全性違反を検出するための鋭い武器である。 ASanは、大規模なソフトウェアテストの効率を制限した、大幅なランタイムオーバーヘッドを発生させる。 Tech-ASanは、安全保証でASanを加速する2段階のチェックベースの技術である。
• 参考スコア（独自算出の注目度）: 12.480375036514179
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Address Sanitizer (ASan) is a sharp weapon for detecting memory safety violations, including temporal and spatial errors hidden in C/C++ programs during execution. However, ASan incurs significant runtime overhead, which limits its efficiency in testing large software. The overhead mainly comes from sanitizer checks due to the frequent and expensive shadow memory access. Over the past decade, many methods have been developed to speed up ASan by eliminating and accelerating sanitizer checks, however, they either fail to adequately eliminate redundant checks or compromise detection capabilities. To address this issue, this paper presents Tech-ASan, a two-stage check based technique to accelerate ASan with safety assurance. First, we propose a novel two-stage check algorithm for ASan, which leverages magic value comparison to reduce most of the costly shadow memory accesses. Second, we design an efficient optimizer to eliminate redundant checks, which integrates a novel algorithm for removing checks in loops. Third, we implement Tech-ASan as a memory safety tool based on the LLVM compiler infrastructure. Our evaluation using the SPEC CPU2006 benchmark shows that Tech-ASan outperforms the state-of-the-art methods with 33.70% and 17.89% less runtime overhead than ASan and ASan--, respectively. Moreover, Tech-ASan detects 56 fewer false negative cases than ASan and ASan-- when testing on the Juliet Test Suite under the same redzone setting.
• Abstract（参考訳）: アドレスサニタイザ(ASan)は、実行中にC/C++プログラムに隠された時間的および空間的エラーを含む、メモリ安全違反を検出するための鋭い武器である。 しかし、ASanは大きなソフトウェアのテストの効率を制限し、実行時にかなりのオーバーヘッドを発生させる。 オーバーヘッドは主に、頻繁で高価なシャドウメモリアクセスのためにサニタイザチェックが原因である。 過去10年間で、消毒剤チェックをなくし、加速させることでASanを高速化する多くの方法が開発されてきたが、冗長なチェックを適切に排除したり、検出能力を損なうことに失敗している。 そこで本稿では,ASanの安全性を保証するための2段階チェックベースの技術であるTech-ASanを提案する。 まず、コストのかかるシャドウメモリアクセスの大部分を削減するためにマジック値比較を利用するASanの2段階チェックアルゴリズムを提案する。 第2に,ループ内のチェックを除去する新しいアルゴリズムを統合し,冗長チェックを除去する効率的なオプティマイザを設計する。 第3に,LLVMコンパイラ基盤に基づくメモリ安全性ツールとしてTech-ASanを実装した。 SPEC CPU2006ベンチマークを用いて評価したところ、Tech-ASan は ASan と ASan-- よりも実行時のオーバーヘッドが 33.70% と 17.89% の最先端の手法より優れていた。 さらに、Tech-ASanはJuliet Test Suiteで同じレッドゾーン設定でテストする場合、ASanやASanよりも56の偽陰性ケースを検出する。

関連論文リスト

• SoftPatch+: Fully Unsupervised Anomaly Classification and Segmentation [84.07909405887696]
  本論文は、完全教師なし産業異常検出(すなわち、ノイズデータ付き教師なしAD)を初めて検討したものである。 メモリベースの非教師なしAD手法であるSoftPatchとSoftPatch+を提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。 様々なノイズシナリオで実施された総合的な実験により、SoftPatchとSoftPatch+はMVTecAD、ViSA、BTADのベンチマークで最先端のADメソッドよりも優れていた。
  論文  参考訳（メタデータ） (2024-12-30T11:16:49Z)
• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• Toward Cost-effective Adaptive Random Testing: An Approximate Nearest Neighbor Approach [6.431858417308008]
  Adaptive Random Testing (ART)は、ランダムテスト(RT)のテスト効率(障害検出機能を含む)を高める 多くのARTアルゴリズムが研究されており、FSCS(Fixed-Size-Candidate-Set ART)やRRT(Restricted Random Testing)などがある。
  論文  参考訳（メタデータ） (2023-05-27T15:37:13Z)
• Evaluating Search-Based Software Microbenchmark Prioritization [6.173678645884399]
  本稿では,単目的と多目的の探索に基づくマイクロベンチマーク優先順位付け手法を実証的に評価する。 検索アルゴリズム(SA)は競争力があるばかりでなく、最高の欲求、カバレッジベースのベースラインを上回りません。
  論文  参考訳（メタデータ） (2022-11-24T10:45:39Z)
• ETAD: A Unified Framework for Efficient Temporal Action Detection [70.21104995731085]
  時間的行動検出(TAD)のようなトリミングされていないビデオ理解は、しばしば計算資源に対する膨大な需要の苦痛に悩まされる。 我々は、効率的なエンド・ツー・エンドの時間的行動検出(ETAD)のための統合されたフレームワークを構築している。 ETADはTHUMOS-14とActivityNet-1.3の両方で最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-05-14T21:16:21Z)
• Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
  Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。 計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。 また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-23T06:24:31Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)

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。