論文の概要: MergeShuffle: Reconstruct Shared Libraries for Improved Performance and Security

• arxiv url: http://arxiv.org/abs/2610.22952v1
• Date: Fri, 16 Oct 2026 05:22:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.77079
• Title: MergeShuffle: Reconstruct Shared Libraries for Improved Performance and Security
• Title（参考訳）: MergeShuffle: パフォーマンスとセキュリティを改善するための共有ライブラリの再構築
• Abstract要約: ファイル範囲の集合から共有ライブラリを再構築する新しいツールであるmyappを提案する。 Myappはファイルサイズの最大60%削減、メモリ使用量の16%削減、メモリ使用量の32%削減を実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Debloating shared libraries has been an active research topic for years. Tools for shared library debloating rely on either static or dynamic analysis techniques to discover which parts of the shared library is used. Once these parts are found, these tools take one of two routes, either removing parts of the library that are not used, requiring reconstruction of the library; or they simply overwriting the unused functions. However, recently a broad study~\cite{brown2024broad} on debloating tools has shown that some of these tools either increase the static binary size, or are generally less effective for complex workloads. In this paper, we argue that shared-library debloaters' performance can be improved by proper reconstruction of the shared-libraries once the used functions in the library are identifies. We propose \myapp, a novel tool for reconstructing shared libraries from a given set of file ranges to eliminate unused code based on user-specified requirements, without requiring access to source code. \myapp takes as input a shared library and a set of file ranges to retain, and performs a two-phase reconstruction: merging nearby ranges to reduce loading overhead, and shuffling them to minimize file size while preserving page-aligned memory mappings. The shuffling problem is formulated as a variant of the Traveling Salesman Problem and solved using a heuristic algorithm. \myapp utilizes program headers to remap retained code to its original memory addresses, preserving user-specified functionality. Our results show that \myapp achieves up to 60\% reduction in file size, 16\% reduction in memory usage, and 32\% reduction in runtime, while maintaining user-specified functionality and improving security.
• Abstract（参考訳）: 共有ライブラリのデブロ化は、長年にわたって活発な研究トピックとなっている。 共有ライブラリのデブロ化ツールは、共有ライブラリのどの部分が使われているかを見つけるために、静的または動的解析技術に依存する。 これらの部品が見つかると、これらのツールは2つのルートのうちの1つを取り、使用されていないライブラリの一部を削除するか、ライブラリの再構築を必要とするか、あるいは単に使用されていない関数を上書きする。 しかし、最近、Debloatingツールに関する\cite{brown2024broad}の研究により、これらのツールのいくつかは静的バイナリサイズを増大させるか、一般的には複雑なワークロードに対して効果が低いことを示している。 本稿では,ライブラリ内で使用される関数が特定されれば,共有ライブラリを適切に再構築することで,共有ライブラリのデブロッタのパフォーマンスを向上させることができる,と論じる。 ソースコードへのアクセスを必要とせず,ユーザが指定した要件に基づいて未使用のコードを除去するために,ファイル範囲のセットから共有ライブラリを再構築する新しいツールである \myapp を提案する。 関連スポンサーコンテンツ \myappは、共有ライブラリとファイル範囲のセットを入力として保持し、近くの範囲をマージしてロードオーバーヘッドを低減し、ページ整列メモリマッピングを維持しながらファイルサイズを最小化する、2フェーズの再構築を行います。 シャッフル問題はトラベリングセールスマン問題の変種として定式化され、ヒューリスティックアルゴリズムを用いて解かれる。 \myappはプログラムヘッダーを使用して、保持されたコードを元のメモリアドレスに再マップし、ユーザ指定の機能を保存する。 その結果, \myapp はファイルサイズを最大 60 % 削減し, メモリ使用量を最大 16 % 削減し, 実行時間を 32 % 削減し, ユーザ指定機能を維持し, セキュリティを改善した。

関連論文リスト

• Context-Aware Functional Modeling for Android Third-Party Library Detection [25.38973331247107]
  LibFanは、文脈認識機能モデリングに基づく学習ベースのAndroid TPL検出アプローチである。 各TPLを機能的に一貫性のあるユニットに分割し、ベストマッチングパーティションを使用してライブラリの存在を決定する。
  論文  参考訳（メタデータ） (2026-09-25T15:33:54Z)
• Scalpel3: A High-Performance Data Carving Architecture for Recovery of Fragmented Files [4.0107548903554]
  ファイル彫刻は、デジタル法医学、データリカバリ、デジタル探索において重要な機能である。 既存のツールは、一貫性のあるファイルを効果的にリカバリするが、研究者が新しい断片化されたリカバリ戦略を開発し、展開できるような、公開可能なフレームワークは存在しない。 Scalp3はこのギャップを、連続的かつ断片化されたリカバリのための巨大なスレッドアーキテクチャで埋める。
  論文  参考訳（メタデータ） (2026-06-17T23:39:12Z)
• Robust Scene Coordinate Regression via Geometrically-Consistent Global Descriptors [52.57327385675752]
  幾何学的構造と視覚的類似性の両方に整合したグローバルな記述子を学習するアグリゲータモジュールを提案する。 これにより、信頼できないオーバーラップスコアによる誤関連が修正される。 挑戦的なベンチマークの実験では、大規模環境ではかなりのローカライゼーションが得られた。
  論文  参考訳（メタデータ） (2025-12-19T04:24:03Z)
• Automated Insertion of Flushes and Fences for Persistency [2.4669755725204845]
  CXL共有メモリと永続メモリは、メモリの内容がクラッシュを超えて持続することを可能にする。 開発者は、対応するキャッシュラインを手動でフラッシュして、基盤となるストレージにデータを書き込まなければならない。 PMRobustは自動でフラッシュとフェンス操作を挿入するコンパイラで、永続メモリを使ったコードが欠落したフラッシュとフェンスのバグから解放されていることを保証します。
  論文  参考訳（メタデータ） (2025-09-23T18:14:21Z)
• ReF Decompile: Relabeling and Function Call Enhanced Decompile [50.86228893636785]
  逆コンパイルの目標は、コンパイルされた低レベルコード(アセンブリコードなど)を高レベルプログラミング言語に変換することである。 このタスクは、脆弱性識別、マルウェア分析、レガシーソフトウェアマイグレーションなど、さまざまなリバースエンジニアリングアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-02-17T12:38:57Z)
• BitStack: Any-Size Compression of Large Language Models in Variable Memory Environments [53.71158537264695]
  大規模言語モデル(LLM)は、多くのアプリケーションに革命をもたらしたが、ローカルデバイスにおけるメモリ制限により、その展開は依然として困難である。 textbfBitStackは,メモリ使用量とモデル性能のトレードオフを可能にする,新しいトレーニング不要な重み圧縮手法である。
  論文  参考訳（メタデータ） (2024-10-31T13:26:11Z)
• LeanBin: Harnessing Lifting and Recompilation to Debloat Binaries [1.1749374602770741]
  LeanBinは、新しいバイナリデブロと特殊化ツールである。 観測された実行トレースに基づいて、リフトと再コンパイルを利用する。
  論文  参考訳（メタデータ） (2024-06-23T16:46:05Z)
• ReGAL: Refactoring Programs to Discover Generalizable Abstractions [59.05769810380928]
  Generalizable Abstraction Learning (ReGAL)は、再利用可能な関数のライブラリをコード化して学習する手法である。 ReGALによって発見された共有関数ライブラリは、プログラムが様々な領域で容易に予測できることを示している。 CodeLlama-13Bでは、ReGALはLOGOで11.5%、日付理解で26.1%、TextCraftで8.1%という絶対精度が向上し、3つのドメインのうち2つでGPT-3.5を上回った。
  論文  参考訳（メタデータ） (2024-01-29T18:45:30Z)

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。