본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

Title Page 2

Contents 5

Abstract 8

Chapter 1. INTRODUCTION 10

1. Contributions 14

Chapter 2. PRELIMINARIES 16

1. Symbolic Execution and Its Parameters 16

2. Approaches for Tuning Parameters and Limitations 18

Chapter 3. OUR APPROACH 21

1. Overview 21

2. PARASUIT 22

3. Parameter Selection 26

4. Value Sampling 29

Chapter 4. EXPERIMENTS 34

1. Experimental Settings 35

2. Branch Coverage 36

3. Bug-Finding Ability 39

4. Efficacy of Two Stages in PARASUIT 41

5. Analysis of Parameter Selection and Value Sampling 45

6. Generality 52

7. Effect of Hyper-parameters 53

8. Discussions 57

9. Threats to Validity 61

Chapter 5. RELATED WORK 63

Chapter 6. CONCLUSION 66

References 67

논문요약 80

List of Tables 6

Table 1. The 12 benchmarks used in the experiments 35

Table 2. The branch coverage achieved by PARASUIT and four baselines on 12... 37

Table 3. Bug-finding capability of four baselines and PARASUIT 39

Table 4. Effectiveness of our parameter selection stage compared with naive... 42

Table 5. Effectiveness of our parameter selection stage compared with naive... 44

Table 6. Top-10 parameters with the greatest impact on symbolic execution... 48

Table 7. The efficiency of the best parameter sets generated by PARASUIT 51

Table 8. Evaluation of three hyper-parameters in comparison with alternative... 54

Table 9. Comparing test-case depths reached by PARASUIT and uninterrupted... 58

List of Figures 6

Fig. 1. Parameter settings for symbolic execution tools 12

Fig. 2. Overview of PARASUIT 22

Fig. 3. Parameters and values tuned by ParaSuit for each program 46

Fig. 4. Efficacy comparison of parameter tuning for concolic testing tools 52

Fig. 5. Efficiency of PARASUIT in branch coverage compared to a single long-run... 58

Fig. 6. The differences in tuning results between ParaSuit and Symtuner 60

초록보기

 본 논문에서는 테스트 대상 프로그램에 맞춰 기호 실행의 파라미터를 자동으로 조정하는 프로그램 적응형 기술을 제안한다. 현대의 기호 실행 도구들은 실제 프로그램 테스트를 효과적으로 수행하기 위해 다양한 외부 파라미터를 제공하지만, 최적의 테스트 결과를 얻기 위해 사용자가 수많은 파라미터를 직접 조정해야 하는 점은 도구의 활용도를 제한하고 사용 편의성을 저해한다. 최근 이러한 파라미터 조정 과정을 자동화하려는 여러 시도가 있었으나, 기존 기술은 여전히 반자동적이며 비적응적이다. 즉, 여전히 많은 수동 개입이 필요하고, 대상 프로그램에 적합한 파라미터를 동적으로 식별하거나 적절한 값을 자동으로 설정하지 못한다.

본 논문의 목표는 기호 실행 도구의 파라미터 조정 과정을 완전히 자동화함으로써, 그 성능을 극대화하는 것이다. 이를 위해 본 기술은 먼저 기호 실행 도구 내 사용 가능한 모든 파라미터를 자동으로 식별하고, 각 파라미터가 도구에 미치는 영향을 분석한다. 이후, 특화된 알고리즘을 통해 유망한 파라미터를 반복적으로 선택하고, 각 파라미터의 샘플 공간을 구성한 후, 샘플 공간 내에서 확률적으로 값을 생성한다.

본 기술은 대표적인 기호 실행 도구인 KLEE 위에 구현되었으며, 12개의 오픈소스 C 프로그램을 대상으로 평가되었다. 실험 결과, 본 기술은 기존의 반자동 및 수동 튜닝 방식에 비해 각각 평균 10% 및 73% 더 높은 분기 커버리지를 달성했으며, 총 11개의 오류를 발견하였다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기