南京大学《软件分析》笔记第二节

失狐

于 2024-08-17 06:24:11 发布

阅读量1k

点赞数 15

分类专栏：静态分析文章标签：笔记数据分析 java

本文链接：https://blog.csdn.net/qq_53322633/article/details/141273351

版权

静态分析专栏收录该内容

2 篇文章 1 订阅

订阅专栏

笔记参考

视频链接

1.编译器和静态分析器

1.1编译器

编译器将源代码（Source code）转换为机器代码（Machine Code）。

1.词法分析器（Scanner），结合正则表达式，通过词法分析（Lexical Analysis）将 source code 翻译为 token。保证单词的正确性，字母的拼写和有意义。
2.语法分析器（Parser），结合上下文无关文法（Context-Free Grammar），通过语法分析（Syntax Analysis），将 token 解析为抽象语法树（Abstract Syntax Tree）。保证句子的语法正确，主谓宾定状补。其中，上下文不敏感准确性弱于敏感，但是已经足够，保证速度。
3.语义分析器（Type Checker），结合属性语法（Attribute Grammar），通过语义分析（Semantic Analysis），将 AST 解析为 decorated AST。在语义合不合理的层面进行分析。
4.转换器（Translator），将 decorated AST 翻译为三地址码这样的中间表示形式IR（Intermediate Representation），并基于 IR 做静态分析（例如代码优化、查漏洞工作）。
5.代码生成器（Code Generator），将 IR 转换为机器代码

不可以跳步，因为静态分析要做的是non-trivial的事情（代码优化），前面先做trivial的事情，静态分析要在IR上进行下一步分析。

2.抽象语法树（AST） vs. 中间表示（IR）

2.1差别

抽象语法树：高层，贴近语法结构；依赖于编程语言；适合做快速的类型检查；看不出来控制流信息，但是人比较方便读懂。
中间表示：底层，贴近机器码；具有语言无关性；简洁而统一；包含控制流信息；通常作为静态分析的基础。程序语言的中间表达形式，去除了如注释等无关程序运行的部分，通用。

2.2 IR: Three-Address Code (3AC)

2.2.1定义

三地址码(3AC)是指每一条指令最多包含三个地址(Address)的代码，其右侧结构最多只能有一个操作符，同时这里的地址也不是内存中的地址，而是下面三种形式中的一种：

变量：如a,b
常量：如3
编译器自动生成的临时变量：如t1,t2

范例如下：

将 t2 = a + b + 3转换成三地址码（3AC）：
t1 = a + b
t2 = t1 + 3

2.2.2三地址码常见形式

x = y bop z， bop：二元运算符或者逻辑操作（+ - * /）
x = uop y， uop：一元运算符（取负，取反，转换）
goto L， L：程序位置标记
if x rop y goto L， rop：关系运算符 (<, >, ==, >=, <=等)
goto L：无条件跳转
if x goto L，

if … goto L: 条件跳转

2.2.3 3AC in Real Static Analyzer: Soot

Soot 是一个用于分析和优化 Java 字节码的框架，它提供了一系列强大的功能和工具，广泛应用于研究和工业界的程序分析、优化和安全性检查。Jimple 是 Soot 框架中提供的一种中间表示，专门设计用于简化和提高 Java 字节码的分析和优化效率，主要特点是将复杂的字节码指令简化为三地址码形式。

DoWhileLoop3AC.java：

package nju.sa.examples;
 
public class DoWhileLoop3AC {
    public static void main(String[] args) {
        int[] arr = new int[10];
        int i = 0;
        do {
            i = i + 1;
        } while (arr[i] < 10);
    }
}

使用soot框架转化代码：

javac DoWhileLoop3AC.java
java -cp soot.jar soot.Main -cp . -pp -f jimple DoWhileLoop3AC

DoWhileLoop3AC.jimple：

public static void main(java.lang.String[])
{
    int[] r0;
    int $i0, i1;
    java.lang.String[] r1;
    r1 := @parameter0: java.lang.String[];
    r0 = newarray (int)[10];
    i1 = 0;
 label1:
    i1 = i1 + 1;
    $i0 = r0[i1];
    if $i0 < 10 goto label1;
    return;
}

java IR（Jimple）基本知识

invokespecial：call constructor, call superclass methods, call private methods
invokevirtual: instance methods call (virtual dispatch)
invokeinterface: cannot optimization, checking interface implementation
invokestation:call static methods

Java 7: invokedynamic -> Java static typing, dynamic language runs on JVM

method signature: class name, return type, method name(parameter1 type, parameter2 type)

3.Static Single Assignment (SSA)

3.1定义

静态单赋值(SSA)也是一种经典的IR，普通三地址码与静态单赋值形式最主要的区别就是SSA给每个变量都赋值一次，不会出现变量的重复赋值，每个变量都有一个定义。

3.1.1Φ函数

由于SSA的性质，为了保证每个变量拥有唯一定义且不会产生歧义，故引入了Φ函数(称为phi-function)，在控制流交汇结点使用Φ函数进行聚合，比如Φ(x0，x1)会根据流的路径来选择是x2=x0或者x2=x1。

3.2优缺点

优点：

控制流信息间接地集成到了独特变量名中，传递一些简单的分析信息，加快流不敏感分析的速度；
定义与使用是显式的，能更精确地找到其定义的地方，此外一些优化算法在SSA上表现更好。

缺点：

如果程序分叉太多，则引入了太多的变量和Φ函数；
转换到机器码的过程会产生许多性能的问题。

4.Basic Blocks (BB)

基本块(Basic Blocks)，就是满足以下性质的，最大长度的连续三地址码单元：

只可以把块的第一个指令作为入口，不能从其他地方进入。
只可以把块的最后一条指令作为出口，不能从其他地方出去。

4.1构建思路

INPUT: 三地址指令序列 P
OUTPUT: P 的基本块列表
Method:
(1) 确定 P 的入口 (leaders)

P 的第一个指令是一个leader
任何一个有条件或无条件跳转的目标指令，是一个leader
任何一个有条件或无条件跳转的下一条指令，是一个leader
(2) 建立P的基本块

每个leader到下一个leader之间就是一个BB