論文の概要: Context-Sensitive Pointer Analysis for ArkTS

• arxiv url: http://arxiv.org/abs/2602.00457v1
• Date: Sat, 31 Jan 2026 02:12:30 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-02-03 14:11:48.305799
• Title: Context-Sensitive Pointer Analysis for ArkTS
• Title（参考訳）: ArkTSの文脈感性ポインタ解析
• Authors: Yizhuo Yang, Lingyun Xu, Mingyi Zhou, Li Li,
• Abstract要約: ArkTSの既存の静的解析ツールは、効果的なトラッキングとオブジェクト参照関係の正確な推論を達成するのに苦労している。 本稿では,ArkTS用に設計された最初のコンテキスト依存型ポインタ解析フレームワークであるArkAnalyzer Pointer Analysis Kit (APAK)を提案する。 APAKは、ユニークなArkTSヒープオブジェクトモデルと高プラグインアーキテクチャを通じて、これらの課題に対処する。
• 参考スコア（独自算出の注目度）: 6.644274726474323
• License:
• Abstract: Current call graph generation methods for ArkTS, a new programming language for OpenHarmony, exhibit precision limitations when supporting advanced static analysis tasks such as data flow analysis and vulnerability pattern detection, while the workflow of traditional JavaScript(JS)/TypeScript(TS) analysis tools fails to interpret ArkUI component tree semantics. The core technical bottleneck originates from the closure mechanisms inherent in TypeScript's dynamic language features and the interaction patterns involving OpenHarmony's framework APIs. Existing static analysis tools for ArkTS struggle to achieve effective tracking and precise deduction of object reference relationships, leading to topological fractures in call graph reachability and diminished analysis coverage. This technical limitation fundamentally constrains the implementation of advanced program analysis techniques. Therefore, in this paper, we propose a tool named ArkAnalyzer Pointer Analysis Kit (APAK), the first context-sensitive pointer analysis framework specifically designed for ArkTS. APAK addresses these challenges through a unique ArkTS heap object model and a highly extensible plugin architecture, ensuring future adaptability to the evolving OpenHarmony ecosystem. In the evaluation, we construct a dataset from 1,663 real-world applications in the OpenHarmony ecosystem to evaluate APAK, demonstrating APAK's superior performance over CHA/RTA approaches in critical metrics including valid edge coverage (e.g., a 7.1% reduction compared to CHA and a 34.2% increase over RTA). The improvement in edge coverage systematically reduces false positive rates from 20% to 2%, enabling future exploration of establishing more complex program analysis tools based on our framework. Our proposed APAK has been merged into the official static analysis framework ArkAnalyzer for OpenHarmony.
• Abstract（参考訳）: OpenHarmonyの新しいプログラミング言語であるArkTSの現在のコールグラフ生成メソッドは、データフロー分析や脆弱性パターン検出などの高度な静的解析タスクをサポートする際に、精度の限界を示す。一方、従来のJavaScript(JS)/TypeScript(TS)分析ツールのワークフローは、ArkUIコンポーネントツリーのセマンティクスを解釈できない。 コアとなる技術的なボトルネックは、TypeScriptの動的言語機能に固有のクロージャメカニズムと、OpenHarmonyのフレームワークAPIに関わるインタラクションパターンに端を発する。 ArkTSの既存の静的解析ツールは、オブジェクト参照関係の効率的な追跡と正確な推論を達成するのに苦労しており、コールグラフの到達性や分析カバレッジの低下によるトポロジ的破壊につながっている。 この技術的制限は、先進的なプログラム分析技術の実装を根本的に制限する。 そこで本稿では,ArkTS用に設計された最初のコンテキスト依存型ポインタ解析フレームワークであるArkAnalyzer Pointer Analysis Kit (APAK)を提案する。 APAKは、ユニークなArkTSヒープオブジェクトモデルと非常に拡張可能なプラグインアーキテクチャを通じてこれらの課題に対処し、進化するOpenHarmonyエコシステムへの将来の適応性を保証する。 評価では,OpenHarmonyエコシステムの1,663個の実世界のアプリケーションからデータセットを構築し,有効なエッジカバレッジを含む重要なメトリクス(例えば,CHAに比べて7.1%,RTAより34.2%)において,APAKのCHA/RTAアプローチよりも優れたパフォーマンスを示す。 エッジカバレッジの改善により、偽陽性率を20%から2%に体系的に削減し、我々のフレームワークに基づいたより複雑なプログラム分析ツールの確立を将来検討することが可能になる。 提案した APAK は OpenHarmony の公式静的解析フレームワーク ArkAnalyzer に統合された。

関連論文リスト

• AI Agent for Reverse-Engineering Legacy Finite-Difference Code and Translating to Devito [0.0]
  本研究では,従来の有限差分実装のDevito環境への変換を容易にする統合AIフレームワークを開発する。 Retrieval-Augmented Generation (RAG)とオープンソースのLarge Language Modelsは、システムのハイブリッドLangGraphアーキテクチャにおいて、マルチステージ反復によって結合される。
  論文  参考訳（メタデータ） (2026-01-26T11:31:00Z)
• Multi-Agent Taint Specification Extraction for Vulnerability Detection [49.27772068704498]
  コンテナ分析を使用した静的アプリケーションセキュリティテスト(SAST)ツールは、高品質な脆弱性検出結果を提供するものとして広く見なされている。 本稿では,Large Language Models (LLM) のセマンティック理解と従来の静的プログラム解析を戦略的に組み合わせたマルチエージェントシステムであるSemTaintを提案する。 私たちは、SemTaintを最先端のSASTツールであるCodeQLと統合し、これまでCodeQLで検出できなかった162の脆弱性の106を検出して、その効果を実証しています。
  論文  参考訳（メタデータ） (2026-01-15T21:31:51Z)
• Dynamic Symbolic Execution for Semantic Difference Analysis of Component and Connector Architectures [0.3299877799532224]
  本稿では,動的シンボリック実行(DSE)のコンポーネント・アンド・コネクタアーキテクチャのセマンティック差分解析への応用について検討する。 既存のMontiArc-to-Javaジェネレータを拡張して、実行時にシンボルデータと具体的な実行データの両方を収集しました。 我々は,実行効率,最小限,完全性の基準に基づいて,様々な実行戦略を評価する。
  論文  参考訳（メタデータ） (2025-08-01T16:24:58Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• Understanding Long Videos via LLM-Powered Entity Relation Graphs [51.13422967711056]
  GraphVideoAgentは、ビデオシーケンスを通して視覚的エンティティ間の進化する関係をマップし、監視するフレームワークである。 当社の手法は,業界ベンチマークと比較した場合,顕著な効果を示す。
  論文  参考訳（メタデータ） (2025-01-27T10:57:24Z)
• Research on the Application of Spark Streaming Real-Time Data Analysis System and large language model Intelligent Agents [1.4582633500696451]
  本研究では、ビッグデータ環境におけるリアルタイムデータ分析システムを強化するために、Agent AIとLangGraphの統合について検討する。 提案したフレームワークは、静的で非効率なステートフル計算の限界を克服し、人間の介入の欠如を克服する。 システムアーキテクチャにはApache Spark Streaming、Kafka、LangGraphが組み込まれ、高性能な感情分析システムを構築する。
  論文  参考訳（メタデータ） (2024-12-10T05:51:11Z)
• Technical Upgrades to and Enhancements of a System Vulnerability Analysis Tool Based on the Blackboard Architecture [0.0]
  このシステムでは、ブラックボードアーキテクチャのルールファクトパラダイムに基づく一般化ロジックが実装された。 本稿は,マルチスレッディングの実装を含む今後の研究の道筋について論じる。
  論文  参考訳（メタデータ） (2024-09-17T05:06:42Z)
• Joint Feature Learning and Relation Modeling for Tracking: A One-Stream Framework [76.70603443624012]
  特徴学習と関係モデリングを統合した新しい一ストリーム追跡(OSTrack)フレームワークを提案する。 このようにして、相互誘導により識別的目標指向特徴を動的に抽出することができる。 OSTrackは、複数のベンチマークで最先端のパフォーマンスを実現しており、特に、ワンショットトラッキングベンチマークのGOT-10kでは印象的な結果を示している。
  論文  参考訳（メタデータ） (2022-03-22T18:37:11Z)
• Comparative Code Structure Analysis using Deep Learning for Performance Prediction [18.226950022938954]
  本稿では,アプリケーションの静的情報(抽象構文木やASTなど)を用いてコード構造の変化に基づいて性能変化を予測することの実現可能性を評価することを目的とする。 組込み学習手法の評価により,木系長短メモリ(LSTM)モデルでは,ソースコードの階層構造を利用して遅延表現を発見し,最大84%(個人的問題)と73%(複数の問題を含む組み合わせデータセット)の精度で性能変化を予測できることが示された。
  論文  参考訳（メタデータ） (2021-02-12T16:59:12Z)
• A Graph-based Interactive Reasoning for Human-Object Interaction Detection [71.50535113279551]
  本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。 In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。 私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
  論文  参考訳（メタデータ） (2020-07-14T09:29:03Z)

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。