高精度的大规模程序数据竞争检测方法

随着技术的不断发展,软件系统的非确定性(uncertainty)不断增强,数据竞争是并发系统这一类典型的非确定性软件系统中常见的缺陷.尽管数据竞争静态检测近年来取得了巨大进展,但其面临的重要问题仍然存在.先前的静态技术要么以分析精度为代价达到高扩展性,要么由于高精度分析而导致可扩展性问题.提出一种解决上述矛盾的分段分析方法——GUARD.它首先基于程序值流进行轻量级上下文敏感的数据访问分析,以识别出候选的数据竞争子路径而非完整的程序路径.接下来,进行可能并行执行(may-happen-in-parallel,即MHP)分析来确定程序中的两个数据访问操作是否可能会同时执行.MHP分析基于线程流图(TFG)将线程信息进行编码以便于高效地查询各个子路径之间的并发关系.最后,对于每条存在MHP数据访问的子路径,进行重量级路径敏感分析以确定数据竞争路径的可行性.针对12个开源项目的实验评估显示,GUARD能够在1870s内完成对130万行代码的工业规模项目的检测,且平均误报率为16.0%.此外,GUARD的分析速度更快,比现有的前沿技术平均快了6.08倍,并且显著降低了误报率.除此之外,GUARD在其中还发现了12个数据竞争漏洞.将它们全部报告给了开发者,其中8个已得到了确认.

混合动力车辆加速工况发动机介入抖动的分析与优化

混合动力车辆在电池电量较低、城市路况拥堵的情况下行驶时,为保持电池电量,发动机会频繁地启动发电,从而引起整车抖动问题。该文建立了混动总成发动机介入抖动的物理模型,采用仿真和实验相结合的方法,研究了混动车加速过程中发动机介入瞬间的抖动产生及路径传递机理。结果表明:发动机介入瞬间的抖动出现在发动机点火之前的集成启动发电一体化发电机(integrated starter generator, ISG)倒拖发动机阶段,其抖动水平由第一循环缸压峰值大小决定;混动总成瞬时刚体模态和传动系扭转模态耦合作用提高了发动机介入抖动水平,并将抖动通过动力总成悬置传递至车身。基于该结论,提出了传动系和动力总成模态解耦原则与优化悬置限位结构2项优化措施,并结合整车测试验证了所提措施有效。

通过模糊测试实现百万行代码的漏洞挖掘（英文）

在百万行代码的漏洞检测中,大规模程序的模糊测试备受挑战。在有限时间内生成满足输入语法和满足指数路径条件的指令是很困难的,而且触发漏洞的指令比挖掘代码的指令要复杂得多。研究一种高效指令生成方法,采用了强化学习进行语法推理,进行了优化的符号分析,在提高指令生成有效性的基础上,显著减少随机指令的执行时间。同时,对基于成分分析的模糊测试工作流程进行优化,以减小程序的规模,在保证效率的同时,为后期验证省去了不必要的程序片段。成功开发了新的指令生成方法,实现了发现大规模程序中的漏洞的目标。在现有基准上开展了测试,证明了方法的有效性。