【软件分析/静态分析】学习笔记02——中间表示Intermediate Representation

最新推荐文章于 2023-07-17 14:50:22 发布

HiLittleBoat

最新推荐文章于 2023-07-17 14:50:22 发布

阅读量1.2k

点赞数 3

分类专栏：软件分析文章标签：静态分析软件分析 IR

本文链接：https://blog.csdn.net/qq_46485137/article/details/130853294

版权

软件分析专栏收录该内容

6 篇文章 4 订阅

订阅专栏

🔗 课程链接：李樾老师和谭天老师的：南京大学《软件分析》课程02（Intermediate Representation）_哔哩哔哩_bilibili

第二章 Intermediate Representation

2.1 编译器与静态分析器的关系(Compilers & Static Analzers)

2.2 AST vs. IR

2.3 IR: 三地址码（Three-Address Code, 3AC）

2.4 真实静态分析器中的3AC：Soot

2.5 静态单赋值(Static Single Assignment, SSA)

2.6 控制流分析（Control Flow Analysis）⭐

2.6.1（Basic Blocks, BB）——建立节点

2.6.2 控制流图 (Control Flow Graph, CFG)——添加边

2.7 总结

第二章 Intermediate Representation

2.1 编译器与静态分析器的关系(Compilers & Static Analzers)

编译器的作用：
将程序员写的Source Code转换成机器可以识别的Machine Code，并在转换中及时报错。

编译器的主体框架：

通过扫描器（Scanner）做词法分析（Lexical Analysis）：根据正则表达式（Regular Expression）检查输入字符是否合法（例如如果是翻译一个英语句子，就是检查字符是否是英文的，单词是否正确/合法），如果通过了词法分析，每个单词就会生成Tokens，给下一步进行分析。
通过解析器（Parser）做语法分析（Syntax Analysis）：通过语法规则（上下文无关文法，Context-Free Grammar）检查语法，通过就转换成抽象语法树AST
通过类型检查（Type Checker）做语义分析（Semantic Analysis）：根据属性语法（Atrribute Grammar）检查语义（期望实现的是识别在英语中的例如Apple eats you，这样语法正确但是语义不对的句子，但是实际上实现的是，例如String的值除以int 这种类型不匹配的错误）如果通过，就生成Decorated AST
为了进行静态分析优化，要将Decorated AST转换为中间表示(IR)，这里的IR一般为三地址码，再进行静态分析，最后通过代码生成器将优化后的代码生成机器码传给机器。

实际上，静态分析就是做code优化的，静态分析器在IR的基础上进行分析。

2.2 AST vs. IR

如图所示

AST	IR
语法树形式的，hight-level，更接近程序源码	通常是三地址码的形式，low-level，更接近机器编码
通常与语言有关	通常与语言无关
\	统一、简洁
缺少控制流信息	包含控制流信息
适合做快速的类型检测	通常被认为是静态分析的基础

所以，以三地址码为主要形式的IR是更有利于做静态分析的。

2.3 IR: 三地址码（Three-Address Code, 3AC）

什么是3AC？

三地址码就是最多有三个地址(address)的表达形式，并且由于这个性质，每个三地址码的右侧最多只能有一个运算符。这里的地址(Adress)可以是以下三种形式之一：

变量名称: a, b
常量Constant: 3
编译器生成的临时变量: t1, t2

例如：

t2 = a + b + 3

转换为三地址码的形式就是：

t1 = a + b

t2 = t1 + 3

一些常见的3AC形式：

如上图所示，3AC的操作符也包含很多种形式可以是很多种形式：

bop 代表的普通二进制运算或逻辑运算（+ - * / ……）
uop 代表的单运算符（取负数，非……）
也可以没有运算符
goto L 无条件的跳转
if… goto L 有条件的跳转
rop 代表条件操作（>,<,==,……）

当然这些知识简单的3AC形式，还有更复杂的，我们通过soot这个例子来学习，见2.4

2.4 真实静态分析器中的3AC：Soot

Soot是一个Java优化框架。它提供了四种中间表示法，用于分析和转换Java字节码。其中 Jimple是一种适合优化的类型化3地址中间表示法（typed 3-address code）。这一部分通过Jimple对3AC有更好的了解。

https：//github.com/Sable/soot

Tutorials · soot-oss/soot Wiki · GitHub

1. For循环

如下图所示将一个for循环的java代码转成3ac，这个例子比较简单，可以直接看懂，额外表注的还有关于传递参数时候的3AC表示。

2. Do-while 循环

以下是do-while循环的3AC，理解起来也比较简单

3. 方法调用

方法调用相对复杂一点，首先了解一些JVM的知识。

① JVM中主要的方法调用：

invokespecial：用于调用实例构造器<init>()方法、私有方法和父类中的方法
invokevirtual：调用非私有实例方法，比如 public 和 protected，大多数方法调用属于这一种，在调用的过程中会进行派生(vitual dispatch)
invokeinterface：调用接口方法，会检查实现这个接口的对象，但是调用的时候不能做一些优化
invokestatic：调用静态方法，
Java7: invokedynamic -> Java 是静态语言，动态解析出需要调用的方法，然后执行。

参考：5、JVM中的方法调用 - CarBlack - 博客园 (cnblogs.com)

② 方法签名（Method Signature）包含类名、返回值类型、方法名 (参数1 类型，参数2 类型)

例如：specialinvoke $r3.<java.lang.StringBuilder: void <init>()>(); 这个构造函数的尖括号里的就是一个方法签名，具体含义就是

方法类型：java.lang.StringBuilder 构造函数
方法名字：默认构造函数没有名字，统一叫<init>
参数：没有参数 () 为空
返回值：没有返回值，void

再如下图中的3AC意思就是：调用$r3的append 方法，将 r1 加进字符串中

再看3AC的代码可能就会理解一些了，以下的示例代码是在main函数中调用了foo方法，其中foo方法中有两个参数，返回拼接的字符串，先看foo函数的3AC代码

main函数的3AC代码

4. Class 类的3AC

这里不太明白也没关系，反正再看地址码的时候别怕，仔细分析一定是可以看懂的。

2.5 静态单赋值(Static Single Assignment, SSA)

1. SSA的两个特点：

① 如下图，SSA里，会给每个变量起不同的名字：

② 但是如果是同一个变量在不同的分支呢？在这种情况下，SSA会在合并的时候，引入一个 $\O$ Φ函数，如下图所示，在引入x2 等于这个 Φ 函数，后续使用x2。这个Φ(x0，x1)会根据流的路径来选择是x0 还是x1然后赋值给x2。

2. SSA的优点：

程序流信息可以间接体现在不同的变量名上，通过不同的变量名，流的信息被间接地合并到唯一的变量名中
- 可能有助于提供一些更简单的分析，例如，流不敏感分析通过SSA定义和使用对显式获得流敏感分析的部分精度。（因为流敏感度分析精度虽然高，但是太耗时了，而流不敏感分析就相当于上下文无关的分析，通过单一赋值制就可以获得很久之前就定义过的信息，知道是具体用了那边信息，就相当于获取到了上下文信息。）
Define-and-Use pairs（定义-使用对）明确
- 在一些按需任务中启用更有效的数据事实存储和传播。
- 一些优化任务在SSA上表现更好（例如，条件常数传播，全局值编号）。

3. SSA的缺点：

如果程序有太多分叉，则会引入太多变量和Φ函数，
在最后还要转为机器码执行，在转换回去的时候由于过多的赋值操作产生性能方面的影响。

2.6 控制流分析（Control Flow Analysis）⭐

在进行控制流分析的时候，通常采用建立控制流图（CFG）
CFG是静态分析的基础结构
CFG中的节点可以是单个的3AC，不过通常用Basic Blocks（BB），如下图所示

2.6.1（Basic Blocks, BB）——建立节点

1. BB的基本概念：

Basic Blocks（BB）是连续的、满足以下性质的、最大长度的三地址指令的组成单元：
- 这个Block的入口只有一个，就是第一个指令，不能从其他地方进来。
- 这个Block的出口只有一个，就是最后一条指令，不能从其他地方出去。

如下图所示，仅能从第一条指令出进去该Block，并且仅能从最后一条指令出去，中间的指令不允许进出，能满足这些性质的、连续的、最大的指令集合就是一个Basic Blocks。

2. 举个例子🌰

如下图所示，怎么样来分代码块呢？

首先，程序从(1)入口， (2) 没有其他入口和出口，但是(3) 有额外的入口，即从(11)跳转进入，所以(3) 不能和(1)(2)组合在一起，所以 (1)(2)可以组成一个Basic Block
——>得出结论：如果一个指令是某个跳转的目标，则该指令只能作为一个BB的入口
在看，(3)作为一个Block的入口，(4)没有入口，有个出口，可以加入，但是(5)不能加入，因为(4)已经有出口了，不能作为一个BB的中间指令，所以(3)(4)可以组成一个Basic Block
——>得出结论：如果一个指令紧跟着一个跳转，则该指令只能作为一个BB的入口

3. 怎么建立BB

通过上述例子的思考，就可以来尝试设计建立Basic Blocks的算法了，伪代码如下：

INPUT: 一个三地址指令序列 P
OUTPUT: P 的Basic Block列表
Method:
    (1) 确定 P 的入口 (leaders)
        · P 的第一句是一个入口
        · 任何一个跳转的目标指令，是一个入口
        · 任何一个跳转的下一条指令，是一个入口
    (2) 建立BBs for P
        · 每个入口到下一个入口之间就是一个BB

练习：根据算法的设计思想，再看一下2中的例子，完成程序BBs的划分:

4. 将跳转到指令标签替换为跳转到基本块。

经过上述的划分，我们就把一个程序P 分割成了多个BBs，并且由于BB的定义导致跳转目标必定是某个BB的入口指令，所以可以将跳转目标的指令标签的形式，换成BB的编号。如下图所示，将原本的跳转到指令标签(7)替换为跳转到基本块 B4

2.6.2 控制流图 (Control Flow Graph, CFG)——添加边

1. 建立边

在建立完CFG的节点之后，需要添加边(edge)，基本规则如下：

A--->B 是跳转过去的，则A到B 建立一个边，如第一组红色的AB
A--->B 是有条件跳转，如第二组的蓝色的A跳转到第一组红B，且蓝A后还有指令蓝B
A--->B 建立一条边（if goto）
A--->B(A紧接着的下一条指令 B) 也需要建立一条边（条件jump block 天然有两出口）
A->B 是第三组的绿A无条件跳转到第一组的红B，其中第三组的绿B按原指令紧挨着第三年组的绿A
A--->B 建立一条边 (goto)
A-×-> B 不建立绿A 向其代码紧挨着的下一条指令的边