論文の概要: Leaf: An Instrumentation-based Dynamic Analysis Framework for Rust

• arxiv url: http://arxiv.org/abs/2607.15025v1
• Date: Thu, 16 Jul 2026 14:12:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:33.130926
• Title: Leaf: An Instrumentation-based Dynamic Analysis Framework for Rust
• Title（参考訳）: Leaf: Rust用のインスツルメンテーションベースの動的分析フレームワーク
• Authors: Mohammad Omidvar Tehrani, Marco Gaboardi, Nick Sumner, Steven Y. Ko,
• Abstract要約: LEAFはRust用のインスツルメンテーションベースの動的分析フレームワークである。 Rustプログラムを実行時に分析するためのRustネイティブフレームワークを提供する。 我々の評価によると、LEAFのコンパイル時間と実行時のオーバーヘッドは有意義だが管理可能である。
• 参考スコア（独自算出の注目度）: 3.5410910891882668
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents LEAF, an instrumentation-based dynamic analysis framework for Rust. Although Rust has grown rapidly in recent years, the landscape of program analysis tools for Rust is still in relatively early stages. One notable gap is the lack of a general-purpose dynamic analysis framework that can support different analysis tasks. LEAF aims to fill this gap by providing a Rust-native framework for analyzing Rust programs at runtime. Rust provides rich semantic information through its ownership model, type system, memory model, and compiler-level representation. Therefore, LEAF focuses on how to make this information available to dynamic analyses. In particular, LEAF captures MIR-level semantic information, augments it with runtime facts, and delivers it to analyses as an event stream through Dynamic MIR (DMIR), an event-driven programming interface. Through three substantial dynamic analyses -- a concolic executor, a Rust-specific sanitizer, and a control-flow tracer -- we demonstrate the practicality and expressiveness of LEAF. Our evaluation further shows that LEAF's compile-time and runtime overhead is meaningful but manageable.
• Abstract（参考訳）: 本稿では,Rustのインスツルメンテーションに基づく動的解析フレームワークであるLEAFについて述べる。 Rustは近年急速に成長しているが、Rustのプログラム分析ツールの展望は、まだ比較的初期段階にある。 注目すべきギャップは、異なる分析タスクをサポートする汎用動的分析フレームワークが欠如していることである。 LEAFは、実行時にRustプログラムを分析するRustネイティブフレームワークを提供することで、このギャップを埋めることを目指している。 Rustは、オーナシップモデル、型システム、メモリモデル、コンパイラレベルの表現を通じて、豊富なセマンティック情報を提供する。 そのため、LEAFは、この情報を動的解析に利用できるようにする方法に焦点を当てている。 特にLEAFは、MIRレベルのセマンティック情報をキャプチャし、実行時の事実を付加し、イベント駆動プログラミングインターフェースであるDynamic MIR(DMIR)を通じてイベントストリームとして分析する。 コンコリックエグゼキュータ、Rust固有のサニタイザ、コントロールフロートレーサという3つの重要な動的解析を通じて、LEAFの実用性と表現性を示します。 我々の評価は、LEAFのコンパイル時と実行時のオーバーヘッドが有意義だが管理可能であることを示している。

関連論文リスト

• Supporting the Comprehension of Data Analysis Scripts [0.39146761527401425]
  FlowRはPositronとVS Codeの拡張機能で、データ解析スクリプトを処理する。 インクリメンタルにRプロジェクトを分析し、相互運用データと制御フローを相互運用する。 プラグインシステムとインターフェースを提供し、新たなリンティングルールやカスタムビジュアライゼーションなど、さらなる分析の統合を可能にする。
  論文  参考訳（メタデータ） (2026-04-17T11:28:49Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• Context-Sensitive Pointer Analysis for ArkTS [6.644274726474323]
  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。
  論文  参考訳（メタデータ） (2026-01-31T02:12:30Z)
• AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts [78.33143446024485]
  我々は、横方向思考パズルに基づく環境ロールアウトによるエージェントの評価を行うtextbfAgentLongBenchを紹介した。 このフレームワークは、知識集約的で知識のないシナリオにまたがる厳密な相互作用の軌跡を生成する。
  論文  参考訳（メタデータ） (2026-01-28T16:05:44Z)
• InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
  大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。 対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
  論文  参考訳（メタデータ） (2025-10-21T06:26:29Z)
• Semantic-Enhanced Indirect Call Analysis with Large Language Models [14.517268546437917]
  本稿では,間接的呼分析の有効性を高めるためにセマンティック・エンハンスメント・アナリティクス(SEA)を提案する。 一般的なプログラミングのプラクティスでは、間接呼び出しは、しばしば呼び出されたターゲットとセマンティックな類似性を示す。 SEAは、複数の視点から間接呼び出しとターゲット関数の両方の自然言語要約を生成する。
  論文  参考訳（メタデータ） (2024-08-08T10:04:50Z)

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。