اجراي نيمه نمادين همراه با پيش بيني اكتشاف هاي جست وجو پارامتر شده مناسب برنامه ها

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

با گسترش استفاده از برنامه هاي نرم افزاري، تحليل و آزمون برنامه ها براي اطمينان از عدم وجود آسيب پذيري در برنامه ها امري ضروري است. در ابتدا آزمون برنامه ها با استفاده از ورودي هاي صريح انجام مي شد. اين نوع تحليل علاوه بر هزينه بالا، توانايي پوشش كامل برنامه ها را ندارد. لذا تحليل اتوماتيك برنامه ها مي تواند در بهينه سازي توليد برنامه ها نقش داشته باشد. اجراي نمادين و نيمه نمادين برنامه ها از روش هاي اتوماتيكي هستند كه به طور گسترده مورد استفاده قرار مي گيرند. اجراي نمادين با تبديل متغير هاي آزاد برنامه به نماد و نشان دادن هر يك مسيرهاي برنامه به صورت يك شرط مسير و در نهايت حل كردن يكي از شرط هاي مسير كه منتخب اكتشاف جست و جواست، به ورودي اي كه موجب اجرا شدن آن مسير مي شود دست مي يابد. اجراگر نيمه نمادين نيز تركيبي از اجراگر نمادين و صريح است كه با ثابت در نظر گرفتن تعدادي از متغير هاي برنامه، تعداد شروط مسيرها را كاهش ميدهد و به اين صورت باعث افزايش سرعت تحليل مي شود. اين روش ها در عمل با چالش هاي زيادي روبه رو هستند و امكان پوشش كل برنامه با آن ها امكان ناپذير است. يكي از اين چالش ها انتخاب اكتشاف جست و جوي مناسب است، زيرا انتخاب اكتشاف جست و جويي كه مسير هاي باارزش را براي كاوش پيشنهاد مي دهد نقش مهمي در كشف آسيب پذيري هاي برنامه دارد. تاكنون اكتشاف هاي جست و جوي متنوعي همچون جست و جوي اول عمق ارائه شده اند ولي با توجه به ماهيت متفاوت برنامه ها استفاده از يك اكتشاف جست و جو ثابت براي تمام برنامه ها مناسب نيست و در اين راستا اكتشاف جست و جوي پارامتر شده معرفي شده كه براي هر برنامه مقدار دهي به پارامتر هاي آن متفاوت و مناسب آن برنامه است. روش هايي كه از اين اكتشاف جست و جوي پارامترشدهاستفاده كرده اند با اجراي نيمه نمادين بر روي برنامه ها و تحليل اجراي انجام شده به صورت تكراري مقادير مناسب پارامتر ها براي هر برنامه را به دست مي آورند. با وجود بهبود نتايج هنگام استفاده از اين نوع اكتشاف هاي جست و جوي پارامترشده نسبت به اكتشاف هاي جست و جوي پارامترشده ثابت، متكي بودن اين روش ها بر تكرار اجراي نيمه نمادين سربار زماني به اجراي نيمه نمادين اضافه مي كند. لذا در اين پژوهش براي كاهش زمان انتخاب اكتشاف جست و جوي پارامترشده به يادگيري دو مدل از طريق يادگيري ماشين براي پيش بيني مجموعه اي از اكتشاف هاي جست و جوي پارامترشده از طريق ويژگي هاي ايستاي برنامه پرداخيتم و توانستيم در مدت زمان بسياركوتاه تري نسبت به روش هاي ديگر، اكتشاف هاي جست و جوي پارامترشده اي را ايجاد كنيم كه توانايي پوشش آن ها نزديك به روش هاي ديگر باشد.

215926

هوش مصنوعي و رباتيكز

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان

الهام محمودزاده، عبدالرضا ميرزايي

مريم موزراني