論文の概要: PhaseSeed: Precise Call Graph Construction for Split-Phase Applications using Dynamic Seeding

• arxiv url: http://arxiv.org/abs/2511.06661v1
• Date: Mon, 10 Nov 2025 03:17:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.049645
• Title: PhaseSeed: Precise Call Graph Construction for Split-Phase Applications using Dynamic Seeding
• Title（参考訳）: PhaseSeed:動的シーディングを用いた分割型アプリケーションのための高精度コールグラフ構築
• Authors: Tapti Palit, Seyedhamed Ghavamnia, Michalis Polychronakis,
• Abstract要約: PhaseSeedは、分割相アプリケーションにおけるポインタ解析の精度を向上させる新しい技術である。 PhaseSeedは、指定された初期設定に対して健全である。 本稿では、制御フロー整合性(CFI)、ソフトウェアデブロ、システムコールフィルタリングの3つのセキュリティメカニズムに適用する。
• 参考スコア（独自算出の注目度）: 6.986608335431138
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Precise and sound call graph construction is crucial for many software security mechanisms. Unfortunately, traditional static pointer analysis techniques used to generate application call graphs suffer from imprecision. These techniques are agnostic to the application's architecture and are designed for broad applicability. To mitigate this precision problem, we propose PhaseSeed, a novel technique that improves the accuracy of pointer analysis for split-phase applications, which have distinct initialization and processing phases. PhaseSeed analyzes the initialization phase dynamically, collecting the points-to relationships established at runtime. At the end of the initialization phase, it then seeds this information to a static analysis stage that performs pointer analysis for all code that stays in scope during the processing phase, improving precision. Our observations show that, given the same runtime configuration options, the points-to relationships established during the initialization phase remain constant across multiple runs. Therefore, PhaseSeed is sound with respect to a given initial configuration. We apply PhaseSeed to three security mechanisms: control flow integrity (CFI), software debloating, and system call filtering. PhaseSeed provides up to 92.6% precision improvement for CFI compared to static call graph construction techniques, and filters nine additional security-critical system calls when used to generate Seccomp profiles.
• Abstract（参考訳）: 多くのソフトウェアセキュリティメカニズムにおいて、精密で正確なコールグラフの構築が不可欠である。 残念ながら、アプリケーションコールグラフを生成するために使用される従来の静的ポインタ解析技術は不正確である。 これらのテクニックはアプリケーションのアーキテクチャに非依存であり、幅広い適用性のために設計されている。 この精度を緩和するために,分割相アプリケーションにおけるポインタ解析の精度を向上させる新しい手法であるPhaseSeedを提案する。 PhaseSeedは初期化フェーズを動的に解析し、実行時に確立されたポイントツー関係を収集する。 初期化フェーズの最後に、この情報を静的解析ステージにシードし、処理フェーズ中にスコープに留まるすべてのコードに対してポインタ解析を行い、精度を向上させる。 我々の観察では、同じランタイム構成オプションを前提として、初期化フェーズで確立されたポイント・ツー・リレーションシップが複数の実行時間にわたって一定であることが示されている。 したがって、フェーズセッドは与えられた初期構成に関して健全である。 本稿では、制御フロー整合性(CFI)、ソフトウェアデブロ、システムコールフィルタリングの3つのセキュリティメカニズムに適用する。 PhaseSeedは静的コールグラフ構築技術と比較して最大92.6%の精度向上を実現し、Seccompプロファイルの生成に使用する場合、9つのセキュリティクリティカルなシステムコールをフィルタする。

関連論文リスト

• Resolving Indirect Calls in Binary Code via Cross-Reference Augmented Graph Neural Networks [14.474710100574866]
  グラフニューラルネットワークを用いて間接呼び出しを解決する新しいアプローチである CupidCall を導入する。 我々は,高度なコンパイラレベルの型解析を利用して,高品質なコールライトとキャリーのトレーニングペアを生成する。 さらに、拡張CFGとリレーショナルグラフ畳み込みを利用して正確な目標予測を行うグラフニューラルモデルを設計する。
  論文  参考訳（メタデータ） (2025-07-24T20:54:41Z)
• OriginPruner: Leveraging Method Origins for Guided Call Graph Pruning [5.393664305233901]
  OriginPrunerはメソッドの起源を利用する新しいコールグラフプルーニング手法である。 OriginPrunerは、局所性分析からの洞察を取り入れることで、これらのオリジンメソッドに関連するエッジを確実に識別し、プルースする。 本研究は,(1)Iterator.nextなどの原点法がCGサイズに大きな影響を与えること,(2)本手法の導出物が主に局所的であり,下流のプロデューラル解析に影響を与えずに安全に刈り取ることができること,(3)OriginPrunerはCGサイズを著しく低減するとともに,脆弱性の伝播解析などのセキュリティアプリケーションにおけるCGの健全性を維持しながら,CGサイズを著しく低減できることを示す。
  論文  参考訳（メタデータ） (2024-12-12T09:42:51Z)
• Robust Incremental Structure-from-Motion with Hybrid Features [73.55745864762703]
  本稿では,線とその構造的幾何学的関係を利用した漸進的構造移動システム(SfM)を提案する。 我々のシステムは、SfMの広く使われている点ベースの技術と比較すると、一貫して堅牢で正確である。
  論文  参考訳（メタデータ） (2024-09-29T22:20:32Z)
• Rethinking Few-shot 3D Point Cloud Semantic Segmentation [62.80639841429669]
  本稿では,FS-PCSによる3Dポイント・クラウドセマンティックセマンティックセグメンテーションについて再検討する。 我々は、最先端の2つの重要な問題、前景の漏洩とスパースポイントの分布に焦点をあてる。 これらの問題に対処するために、新しいベンチマークを構築するための標準化されたFS-PCS設定を導入する。
  論文  参考訳（メタデータ） (2024-03-01T15:14:47Z)
• Never Train from Scratch: Fair Comparison of Long-Sequence Models Requires Data-Driven Priors [44.5740422079]
  標準的なデノベーション目的による事前トレーニングは、複数のアーキテクチャで劇的に向上することを示す。 先行研究とは対照的に、適切に事前訓練された場合の長距離アリーナでのS4の性能に適合するバニラトランスフォーマーが見つかる。
  論文  参考訳（メタデータ） (2023-10-04T17:17:06Z)
• GPU-accelerated SIFT-aided source identification of stabilized videos [63.084540168532065]
  我々は、安定化フレームインバージョンフレームワークにおけるグラフィクス処理ユニット(GPU)の並列化機能を利用する。 我々はSIFT機能を活用することを提案する。 カメラのモーメントを推定し 1%の確率で 時間セグメントを識別します 実験により,提案手法の有効性を確認し,必要な計算時間を短縮し,情報源の同定精度を向上させる。
  論文  参考訳（メタデータ） (2022-07-29T07:01:31Z)
• Exploring Techniques for the Analysis of Spontaneous Asynchronicity in MPI-Parallel Applications [0.8889304968879161]
  マイクロベンチマークと現実的なプロキシアプリケーションを,2つの異なるスーパーコンピュータプラットフォーム上で通常の計算通信構造で実行します。 完全MPIトレースよりもはるかに小さいデータセットから,デシンクロナイゼーションパターンを容易に識別できることを示す。
  論文  参考訳（メタデータ） (2022-05-27T13:19:07Z)
• Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
  セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。 本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。 アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
  論文  参考訳（メタデータ） (2022-02-21T15:30:14Z)
• Lightweight Jet Reconstruction and Identification as an Object Detection Task [5.071565475111431]
  我々は、CERN大型ハドロン衝突型加速器で遭遇したジェットのエンド・ツー・エンドの識別と再構築作業に畳み込み技術を適用した。 PFJet-SSDは、クラスタジェットへの同時ローカライゼーション、分類、回帰タスクを実行し、特徴を再構築する。 3次ネットワークは、その完全精度の等価な性能と密に一致し、最先端のルールベースアルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-09T15:01:53Z)
• Croesus: Multi-Stage Processing and Transactions for Video-Analytics in Edge-Cloud Systems [2.9864637081333085]
  Croesusはエッジクラウドシステムに対するマルチステージアプローチであり、正確性とパフォーマンスのバランスを見つける機能を提供する。 本稿では,このような手法がビデオ分析のユースケースに与える影響を実演し,マルチステージ処理が精度と性能のバランスを良くすることを示す。
  論文  参考訳（メタデータ） (2021-12-31T21:38:05Z)

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。