MIO: Multiverse Debugging in the Face of Input/Output -- Extended Version with Additional Appendices
针对微控制器上非确定性程序的调试难题,本文提出MIO多元宇宙调试方法,支持广泛输入/输出操作,保证只探索常规执行可达状态,并在WARDuino上验证其可行性。
2025-09-08 cs.PL cs.SE
Delta Debugging for Cyber-Physical Systems with Flaky Test Executions
Mondragon University(蒙德拉贡大学);Simula Research Laboratory(西穆拉研究实验室)
针对网络物理系统模拟器不稳定致故障难调试问题,提出结合统计分析、重复执行和环境感知约简的三种增量调试算法,经案例系统评估,可减少调试时间、提高故障重现性,为调试CPS提供实用基础。
2026-07-29 cs.SE
Generation of and Debugging with Logical Pre and Postconditions
本文介绍了SLAM系统提供的调试工具。SLAM系统包括i)规约语言,其使用面向对象的模型来集成代数规范和基于模型的规范。类操作是通过使用规则来定义的,每个规则都有逻辑上的前置条件和后置条件,但都有函数的味道。ii)一种开发环境,除了其他特征之外,该开发环境能够以高级面向对象语言生成可读代码。iii)生成的代码包括(部分)前置和后置条件作为断言,可以在程序的调试模式执行中自动检查。我们专注于最后一个方面。SLAM语言的表达能力足以描述许多有用的属性,这些属性被翻译成Prolog程序,该程序(通过适当的接口)与用户程序链接。程序的调试执行与负责检查属性的Prolog引擎交互。
2001-01-12 cs.PL cs.SE
First Infrastructure and Experimentation in Echo-debugging
随着应用程序的开发,bug不可避免地被引入。通常,我们不清楚为什么一个给定的代码更改会引入一个给定的bug。为了找到这种因果关系并更有效地进行调试,开发人员可以利用以前版本的代码,而不使用bug。但是传统的调试工具并不是为这种类型的工作而设计的,这使得这种操作变得单调乏味。在这篇文章中,我们提出了探索性的工作回声调试器,一个工具来调试两个不同的执行并行,收敛发散映射(CDM)算法来定位所有的控制流的分歧和收敛这些执行。在这个探索性的工作中,我们提出了该工具的架构和解决一个不平凡的错误的方案。
2020-11-09 cs.PL cs.SE
Availability Guarantee for Deterministic Replay Starting Points in Real-Time Systems
循环调试需要可重复的执行。由于非确定性或实时系统通常不具有提供这一点的潜力,因此需要特殊的方法。一种这样的方法是重放,这是一个需要监视正在运行的系统并记录监视所产生的数据的过程。我们将讨论准备重播的过程,这是之前没有很好描述的过程的一部分。
2003-10-14 cs.SE
Revisit Self-Debugging with Self-Generated Tests for Code Generation
Peking University(北京大学);Beijing Institute of Technology(北京理工大学);Meituan(美团)
本研究重新审视了代码生成中的自调试方法,提出执行后与执行中两种范式,发现后者能利用中间状态减轻自生成测试的偏差,从而提升性能。
2025-01-22 cs.AI cs.SE
SEDCoT: Enhancing LLM-Based COBOL Code Translation via Symbolic Execution and Delta Debugging
University of Lugano(卢加诺大学);Technical University of Munich(慕尼黑工业大学);University of Augsburg(奥格斯堡大学)
针对COBOL代码翻译难题,提出SEDCoT框架。先利用大语言模型初译,再结合符号执行与大语言模型指导生成测试套件修复语义差异,最后用增量调试最小化失败测试,提升翻译性能与可读性。
2026-09-02 cs.SE
Out-Of-Place debugging: a debugging architecture to reduce debugging interference
上下文最近的研究表明,开发人员将大部分编程时间用于测试,验证和调试软件。随着应用程序变得越来越复杂,开发人员需要更高级的调试支持来简化软件开发过程。查询自70年代以来,引入了许多调试解决方案。其中,在线调试器提供了一个很好的洞察导致错误的条件,允许检查和与程序的变量交互。然而,大多数在线调试解决方案将\textit{debugging interference}引入到程序的执行中,即暂停、延迟和包含副作用的代码的评估。approach.本文研究了一种新的调试技术,称为\outofplace调试。目标是最小化在线调试的调试干扰特性,同时允许在线远程功能。\outofplace调试器将程序执行和应用状态从被调试的应用程序传送到调试器应用程序,两者都在不同的进程中运行。知识一方面,\outofplace调试允许开发人员远程调试应用程序,克服了对运行被调试应用程序的机器进行物理访问的需要。另一方面,调试在远程机器上本地进行,避免了延迟。这使得它适合部署在分布式系统上,并处理并行运行的多个进程的调试。接地。我们为Pharo Smalltalk程序设计语言实现了一个具体的异地调试器。我们表明,我们的方法是实用的,通过执行几个基准,比较我们的方法与经典的远程在线调试器。我们表明,我们的原型调试器优于传统的远程调试器在几种情况下的1000倍。此外,我们表明,我们的调试器的存在不会影响应用程序的整体…
2018-11-05 cs.SE
Execution-Aware Program Reduction for WebAssembly via Record and Replay
University of Stuttgart(斯图加特大学);Google Germany GmbH(谷歌德国有限公司);Carnegie Mellon University(卡内基梅隆大学);KAIST(韩国科学技术院)
针对现有技术难以处理大型复杂 WebAssembly 程序缩减的问题,提出基于记录与重放的感知执行缩减方法 RR-Reduce 及其混合版本 Hybrid-Reduce,在缩减时间和程序大小上均显著优于现有技术。
2025-11-01 cs.PL cs.SE
A brief overview of the MAD debugging activities
并行和分布式程序是一个困难的活动,由于顺序错误的多样性,存在恶性效应,如竞争条件和死锁,以及必须处理的大量数据。这些问题由监视和调试环境MAD解决,它提供基于程序执行的图形表示的调试功能。MAD的目标应用程序是应用标准消息传递接口MPI的并行程序,该接口广泛用于高性能计算领域。MAD的亮点是交互式检查机制,包括分布式数组的可视化,图形化放置断点的可能性,监视器开销删除的机制,以及由于代码中的不确定性而发生的竞争消息的评估。
2000-12-16 cs.PL cs.SE
Casper: Debugging Null Dereferences with Dynamic Causality Traces
修复软件错误需要了解其根本原因。在本文中,我们引入了“因果关系跟踪”,精心制作的执行跟踪,增加了重建从错误的根本原因到执行错误的因果链所需的信息。我们提出了一种方法和一个工具,称为卡斯珀,动态构建因果关系跟踪空解引用错误。Casper的核心思想是在执行流中注入特殊的值,称为“ghosts”,以在运行时构建因果关系跟踪。我们评估我们的贡献,提供和评估的因果关系的痕迹,收集了六个大型的,流行的开源项目的14个真正的空引用错误。在这个数据集上,Casper在不到5秒的时间内建立了因果关系。
2015-11-20 cs.SE
Empowering Student Debugging in Parallel Programming with Execution Traces and Large Language Models
The University of Texas at San Antonio(圣安东尼奥德州大学);The University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
提出ParaView工具,通过执行记录与可视化帮助学生调试并发程序,结合大语言模型分析错误,实验表明调试成功率显著提升。
2026-06-15 cs.DC cs.SE
The Visual Debugger Tool
本文提出一种集成于IntelliJ IDEA的可视化调试工具,通过对象图图形化展示程序执行信息,以降低软件调试与维护成本。
2024-04-19 cs.SE
NuzzleBug: Debugging Block-Based Programs in Scratch
本文提出 Scratch 扩展 NuzzleBug,通过断点、单步、反向执行和执行问答支持儿童调试,并经师生评估验证其有效性。
2023-09-25 cs.SE
Declarative Diagnosis of Floundering
许多逻辑程序设计语言都有延迟原语,允许协同编程。这引入了一类错误症状--当计算想要成功或有限失败时,计算可能会陷入困境。对于并发逻辑程序,这通常称为死锁。类似地,约束逻辑程序可能无法调用某些约束求解器,因为变量没有被充分地实例化或约束。迄今为止,诊断此类故障的注意力相对较少。由于延迟原语影响程序的过程性而不是声明性视图,因此可以预期调试必须考虑交错执行的通常复杂的细节。然而,最近的工作语义提出了另一种方法。在本文中,我们将展示如何声明式调试范式可以用来诊断意外的挣扎,绝缘的复杂性执行的用户。关键词:逻辑程序设计,协同程序设计,延迟,调试,挣扎,死锁,约束
2007-11-01 cs.PL cs.SE
Towards Practical and Useful Automated Program Repair for Debugging
针对现有自动化程序修复(APR)依赖测试用例、需重跑程序、修复复杂缺陷能力弱等实用性不足问题,提出交互式IDE修复系统PracAPR,通过无测试缺陷定位、结合大模型与策略的补丁生成、模拟轨迹验证实现无需测试和程序重跑的修复,推动APR实用化。
2024-07-12 cs.SE
ReLog: Execution-Aware Logging with Runtime Feedback for LLM-Oriented Debugging
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Hebei University of Science and Technology(河北科技大学);York University(约克大学)
本文提出ReLog框架,通过运行时反馈迭代生成日志,提升日志在下游任务中的实用性,实验表明其在缺陷定位和修复任务中优于现有方法。
2026-08-27 cs.SE
Debugging code world models
Tübingen AI Center, University of Tübingen, Microsoft Research(图宾根人工智能中心、图宾根大学、微软研究院)
代码世界模型通过模拟程序执行来预测运行时状态,研究发现其在长周期状态跟踪中存在token预算耗尽和字符串状态处理的局限性,提出改进监督和状态表示的方向。
2026-02-14 cs.AI cs.LG cs.PL
Understanding Differences among Executions with Variational Traces
调试的主要挑战之一是理解为什么程序对某些输入失败,但对其他输入成功。如果故障是由多个输入的相互作用引起的,则这变得特别困难。为了调试这种交互故障,有必要了解输入的个体效果,这些输入如何交互以及这些交互如何导致故障。两个执行跟踪之间的差异可以解释为什么一个输入的行为与另一个不同。我们建议比较所有输入选项的执行轨迹,以获得所有选项的行为和它们之间的相互作用的解释。为了突出相关信息,我们将其表示为变迹,它简洁地表示了多个具体迹线之间的控制流和数据流差异。虽然变分轨迹可以从所有相关输入的蛮力执行中获得,但我们使用变分执行将变分轨迹的生成扩展到可能输入的指数空间。我们还提供了一个Eclipse插件Varviz,使用户能够使用变量跟踪进行调试和导航。在一项用户研究中,我们发现,用户的变化的痕迹是两倍以上的速度完成调试任务比用户的标准Eclipse调试器。我们进一步表明,变迹可以扩展到有许多选择的方案。
2018-07-10 cs.SE
On-the-fly Query-Based Debugging with Examples
程序错误很难发现,因为在错误发生的时间和程序员发现错误的时间之间存在因果差距。虽然调试技术(如条件断点和数据断点)有助于在简单情况下找到错误原因,但在许多情况下,它们无法有效地弥合因果差距。基于查询的调试器为程序员提供了一个有效的工具,它通过在被调试程序运行时不断检查对象间的关系来提供即时的错误警报。为了使基于查询的调试器在程序执行中以便携式的方式,我们提出了高效的Java类文件插装,并讨论替代技术。虽然动态调试器的开销比基于查询的动态调试器高,但它提供了额外的交互能力和灵活性,同时保持了完全的可移植性。为了加快动态查询评估,我们的调试器在可移植的Java实现使用的组合,程序插装,加载时代码生成,查询优化,和增量重新评估。本文讨论了动态调试,并演示了基于查询的调试器应用程序调试Java煤气罐小程序以及SPECjvm 98套件应用程序。
2000-11-16 cs.PL cs.SE
Scalable and Precise Estimation and Debugging of the Worst-Case Execution Time for Analysis-Friendly Processors
估计应用程序的最坏情况执行时间(WCET)是开发实时或安全关键软件的一项重要任务,但它也是一个复杂且容易出错的过程。传统的方法需要来自用户的至少一些手动输入,例如循环边界和不可行路径信息,这些输入很难获得,并且如果它们不正确,则可能导致不安全的结果。由于缺乏对WCET估计的全面解释,即,一个特定的痕迹显示如何达到WCET。因此,很难发现不正确的输入,也很难改善应用程序的最坏情况时序。与此同时,现代处理器已经达到了一个复杂的,驳斥了分析,并把越来越多的负担,从业者。在这篇文章中,我们将展示如果我们使用适合WCET分析的处理器,所有这些问题都可以得到显著缓解甚至解决。我们定义和识别这样的处理器,然后我们提出了一个自动化的工具集,估计一个精确的WCET没有不安全的手动输入,也重建了一个最大的详细视图的WCET路径,可以在调试器环境中进行检查。我们的方法是基于模型检验,然而,这是众所周知的规模严重的应用程序的大小。我们通过将分析转移到源代码级别来解决这个问题,在源代码级别,可以应用源代码转换,保留计时行为,但降低复杂性。我们的实验表明,快速和精确的估计,可以实现与模型检验,其可扩展性甚至可以超过目前的方法,并出现在“定时调试”的背景下,新的机会。
2018-02-26 cs.SE
Anteater: Interactive Visualization of Program Execution Values in Context
本文提出交互式可视化系统 Anteater,通过组织追踪数据生成中间表示并自动合成多种可视化与交互,帮助程序员探索 Python 程序执行、理解并调试意外行为,并通过用户研究验证其效用。
2024-02-26 cs.HC cs.SE
VeriBugBench: An Empirically Grounded Framework for Constructing Verilog RTL Debugging Benchmarks
School of Computer and Information Engineering, Institute for Artificial Intelligence, Shanghai Polytechnic University(上海理工大学计算机与信息工程学院人工智能研究院);Guangzhou College of Commerce(广州商学院);Chongqing University(重庆大学);National University of Defense Technology(国防科技大学);Academy of Military Sciences(军事科学院)
VeriBugBench提出一个基于经验构建Verilog RTL调试基准的框架,通过故障构建、LLM测试增强和保留机制,生成2,608个可执行故障实例,提升故障可观测性至39.54%。
2026-09-21 cs.AR cs.SE
Debug like a Human: A Large Language Model Debugger via Verifying Runtime Execution Step-by-step
University of California, San Diego(加利福尼亚大学圣迭戈分校)
本文提出LDB调试框架,将程序分割为基本块并跟踪运行时中间变量值,使LLMs能逐块验证代码正确性并定位错误,在多个基准上提升调试性能最高达9.8%。
2024-06-06 cs.AI cs.CL cs.SE
A mathematical framework for automated bug localization
在本文中,我们提出了一个数学框架自动错误定位。这一框架可简要概述如下。程序执行可以表示为有根无环有向图。我们通过图上的割集来定义执行快照。程序状态可以看作割集中边上标号的一个连接。然后,我们认为,调试任务是一个修剪过程的执行图使用割集。一种剪枝算法,即,调试任务。
2003-09-30 cs.SE
LLM as an Execution Estimator: Recovering Missing Dependency for Practical Time-travelling Debugging
针对动态数据依赖确定成本高或不现实的问题,提出RecovSlicing方法,利用LLM基于部分轨迹和代码估计缺失执行恢复依赖,准确率和召回率显著优于基线,集成后可多定位16%的回归错误。
2025-09-03 cs.SE
PracRepair: LLM-Empowered Automated Program Repair Inspired by Human-Like Debugging Practices
Zhejiang University(浙江大学);CSIRO’s Data61(澳大利亚联邦科学与工业研究组织数据61);Jiangxi Normal University(江西师范大学)
提出PracRepair框架,通过构建按需静态-动态上下文、进行问题驱动的故障诊断并迭代细化补丁,利用动态信息提升LLM在程序修复中的效果,在Defects4J和真实世界漏洞上取得最优性能。
2026-06-17 cs.SE
Structural Verification for Reliable EDA Code Generation without Tool-in-the-Loop Debugging
University of Illinois Chicago(伊利诺伊大学芝加哥分校);Intel Corporation(英特尔公司)
本文提出通过强制执行结构正确性来提高EDA代码生成的可靠性与效率,采用结构依赖图作为显式执行合同,并通过验证引导合成框架进行图条件检索、约束生成和分阶段预执行验证,从而在单步和多步任务中显著提升通过率。
2026-04-20 cs.SE cs.SY eess.SY
DebugHarness: Emulating Human Dynamic Debugging for Autonomous Program Repair
State Key Laboratory for Novel Software Technology, Nanjing University(南京大学新型软件技术国家重点实验室)
DebugHarness通过模拟人类动态调试过程,利用LLM实现复杂漏洞的自动修复,其动态调试方法在SEC-bench数据集上实现了90%的修复率,比现有方法提升30%以上。
2026-04-04 cs.SE
A Grounded Theory of Debugging in Professional Software Engineering Practice
University of California at San Diego(加州大学圣迭戈分校)
本文通过 grounded 理论方法研究专业开发者在真实代码库中调试的策略与过程,揭示调试作为结构化迭代诊断过程的本质,为工具设计和软件工程教育提供启示。
2026-07-01 cs.SE
Assertion checker for the C programming language based on computations over event traces
提出了一种基于精确程序行为模型的软件测试和调试自动化工具的开发方法。程序行为模型被定义为一组事件(事件跟踪),事件上有两个基本的二元关系-优先级和包含,并表示动作之间的时间关系。开发了一种用于事件跟踪计算的语言,为断言检查、调试查询、执行配置文件和性能测量提供了基础。该方法是非破坏性的,因为断言文本与目标程序源代码分离,可以独立维护。断言可以捕获特定目标程序的动态属性,并且可以形式化典型错误和调试策略的一般知识。事件语法通过目标程序自动插装为断言语言实现提供了可靠的基础。一个实现架构和初步的实验与原型断言检查的C程序设计语言进行了讨论。
2001-01-12 cs.PL cs.SE
Towards a Neural Debugger for Python
本文提出神经调试器,通过模拟传统调试器实现交互式代码执行控制,提升神经模型在代码执行预测与逆向推理中的能力。
2026-03-10 cs.AI cs.LG cs.SE
CUDABeaver: Benchmarking LLM-Based Automated CUDA Debugging
University of Minnesota(明尼苏达大学)
提出CUDABEAVER基准,通过协议条件指标pass@k(M,C,A)评估LLM修复CUDA代码的能力,揭示性能损失容忍度对成功率的影响。
2026-05-26 cs.LG cs.PL cs.SE
Self-Boosted Automated Program Repair
程序修复是每个软件系统生命周期中不可或缺的一部分,但可能极具挑战性。到目前为止,研究人员已经提出了各种自动程序修复(APR)技术,以减少手工调试的努力。然而,给定一个真实世界的bug程序,一个典型的APR技术通常会产生大量的补丁,其中每个补丁都需要对原始测试套件进行验证,这会产生极高的计算成本。尽管现有的APR技术已经利用各种静态和/或动态信息来更快地找到期望的补丁,但是它们仍然相当昂贵。在最近的工作中,研究人员提出了统一调试,以利用APR期间的补丁执行信息来帮助提升故障定位;这样,APR技术的应用范围可以扩展到所有可能的错误,例如,APR期间的补丁执行信息可以帮助手动修复不能自动修复的错误。受统一调试的启发,这项工作提出了SeAPR(自增强自动程序修复),第一个技术,利用早期的补丁执行信息在APR期间,以帮助提高自动修复本身的飞行。我们的基本直觉是,补丁类似于早期的高质量/低质量的补丁应该被提升/降级,以加快检测所需的补丁。这项对12个最先进的APR系统的实验研究表明,总的来说,SeAPR可以大大减少补丁执行的数量,而开销可以忽略不计。我们的研究还调查了各种配置对SeAPR的影响。最后,我们的研究表明,SeAPR甚至可以利用来自同一错误程序的其他APR工具的补丁执行信息来进一步提高APR。
2021-04-09 cs.SE
Repair or Resample? Rethinking Failure Debugging in LLM Multi-Agent Systems
East China Normal University(华东师范大学);Nanyang Technological University(南洋理工大学);Singapore Management University(新加坡管理大学);Xi’an University of Architecture and Technology(西安建筑科技大学)
本研究针对LLM多智能体系统的故障调试,提出SymTrace评估框架与SymFail数据集,发现现有无指导重运行方法不可靠,提出的症状驱动干预方法可显著提升故障修复率。
2026-09-01 cs.AI cs.SE
Debugging Tool for Localizing Faulty Processes in Message Passing Programs
在消息传递程序中,一旦进程因意外错误而终止,终止的进程可以通过通信依赖性将错误传播到其余进程,从而导致程序失败。因此,为了定位故障,开发人员必须识别原始错误中涉及的进程组和激活故障的故障进程。本文提出了一种新的调试工具,命名为MPI-Prejugger(MPI-PD),定位错误的消息传递程序的进程。MPI-PD通过检查程序执行期间的通信错误来自动区分原始错误和传播错误。如果MPI-PD观察到任何通信错误,它会回溯通信依赖关系,并在时间轴视图中指出潜在的故障流程。我们还介绍了三个案例研究,其中MPI-PD已被证明在其调试中发挥关键作用。从这些研究中,我们相信MPI-PD可以帮助开发人员定位错误,并允许他们集中精力纠正他们的程序。
2003-10-09 cs.SE
TraceDiff: Debugging Unexpected Code Behavior Using Trace Divergences
程序合成的最新进展提供了在大规模编程教室中自动调试学生提交并生成个性化反馈的方法。当自动生成编程作业的反馈时,一个关键的挑战是设计教学上有用的提示,这些提示与教师给出的手动反馈一样有效。通过对132篇网络问答帖中教师暗示行为的分析,我们确立了有效反馈设计应遵循的三条设计原则。基于这些准则,我们开发了一个反馈系统,利用程序合成和可视化技术。我们的系统比较了不正确代码和固定代码的动态代码执行,并强调了错误如何导致行为的差异,以及不正确的代码跟踪偏离预期的解决方案。从我们的研究结果表明,我们的系统使学生能够检测和修复错误,没有被学生使用另一个现有的可视化调试工具。
2017-08-12 cs.CY cs.HC cs.PL
Challenges and Practices in Quantum Software Testing and Debugging: Insights from Practitioners
William & Mary(威廉与玛丽学院)
本文探讨了量子软件测试与调试中的挑战,指出开发者多依赖经典方法,缺乏专用工具,需改进工具以适应量子开发流程。
2026-01-16 cs.SE
From Agent Loops to Deterministic Graphs: Execution Lineage for Reproducible AI-Native Work
ThruWire, Inc.(ThruWire公司)
本文提出执行轨迹模型,通过有向无环图表示AI生成工作,确保在变化中保持稳定性。对比实验显示,DAG在保持最终结果和中间状态一致性方面优于循环更新方法。
2026-05-07 cs.AI cs.MA cs.SE
AgentStepper: Interactive Debugging of Software Development Agents
University of Stuttgart(斯图加特大学);CISPA Helmholtz Center for Information Security(CISPA 沃尔夫冈·泡利信息安全中心)
AgentStepper是一种用于LLM软件工程代理的交互式调试工具,通过结构化对话和逐步执行提升调试效率,减少开发者工作量。
2026-02-06 cs.AI cs.SE
SemCoder: Training Code Language Models with Comprehensive Semantics Reasoning
Columbia University(哥伦比亚大学)
针对代码大语言模型缺乏深层语义理解的问题,提出独白推理策略和PyX语料库,训练出67亿参数的SemCoder,在多项代码任务上性能媲美甚至超过GPT-3.5-turbo,还可提升调试与自优化能力。
2024-10-31 cs.AI cs.CL cs.SE
DebugRepair: Enhancing LLM-Based Automated Program Repair via Self-Directed Debugging
Shandong University(山东大学);Fudan University(复旦大学);Tsinghua University(清华大学);Peking University(北京大学);The Hong Kong Polytechnic University(香港理工大学)
DebugRepair通过模拟调试收集中间运行时证据,提升基于大语言模型的自动程序修复性能,实验表明其在修复缺陷方面优于现有方法。
2026-04-21 cs.SE
Data-Driven Debugging for Functional Side Channels
University of Colorado Boulder(科罗拉多大学博尔德分校);TU Wien(维也纳技术大学)
通过旁路渠道的信息泄漏是一个普遍存在的问题,即使在安全关键型应用程序中也是如此。当攻击者知道服务器的秘密值在一定时间内保持固定时,功能侧信道就会出现。然后,攻击者可以观察服务器在不同公共输入序列上的执行,每个公共输入都与相同的秘密输入配对。因此,对于每个秘密,攻击者观察到从公共输入到执行时间的函数,例如,她可以比较不同秘密的这些函数。首先,我们介绍了一个概念的功能侧信道的非干扰。我们专注于噪声观测的情况下,在那里我们用例子证明,有一个实际的功能侧通道的程序,将被视为信息泄漏免费或被低估使用标准定义。其次,我们开发了一个框架和技术,用于调试功能侧通道的程序。我们扩展进化模糊技术,以产生利用公共输入的响应时间的功能依赖性的输入。我们适应现有的结果和算法在功能数据分析模型的功能和发现侧通道的存在。我们使用标准决策树学习的功能扩展来查明导致侧信道的代码片段(如果存在)。我们经验性地评估我们的工具FUCHSIA的一系列微基准测试和现实的Java程序的性能。在一组基准测试中,我们表明FUCHSIA在检测侧通道类方面优于最先进的技术。在实际的程序中,我们展示了FUCHSIA在分析Java程序中的函数侧通道时的可扩展性,有数千种方法。此外,我们还展示了FUCHSIA在查找侧通道方面的有用性,包括OpenJDK中的零日漏洞和Jetty中的另一个漏洞,该漏洞已被开发人员修复。
2020-02-08 cs.CR cs.LG cs.SE
Control and Data Flow Execution of Java Programs
十年来,对程序的理解已经成为学生以及参与软件开发过程和为开放问题提供解决方案的其他人的必修任务。在这方面,以最好的方式显示在一个图形表示的问题是一个关键的优势,以更好地理解it.We提供的模型和结构,Java程序理解的控制和数据流分析的执行。特别是它有助于理解Java程序的静态分析,这是软件维护的一个极其重要的阶段。我们提供了Java程序可视化的信息和模型,可以帮助更好地理解程序的学习和分析目的。为构建可视化工具提供的思想是从Java程序的执行中提取数据和控制分析。通过实例分析,证明了本文的思想对理解Java程序的静态分析、软件调试和软件维护具有重要意义。
2017-07-27 cs.SE
Event-based Program Analysis with DeWiz
由于并行和分布式程序的复杂性增加,它们的调试被认为是软件生命周期中最困难和最耗时的部分。因此,工具支持是向用户隐藏复杂性的关键。然而,大多数现有的工具似乎不足,只要考虑中的程序利用超过几个处理器在很长的执行时间。这个问题是由新的调试工具DeWiz(调试向导),其重点在于可扩展性解决。DeWiz有一个模块化的、可扩展的体系结构,并使用事件图模型作为所研究程序的表示。DeWiz提供了一组模块,可以组合这些模块来生成、分析和可视化事件图数据。在这个处理管道中,工具集试图提取有用的信息,这些信息以任意抽象级别呈现给用户。此外,DeWiz是一个框架,可用于轻松实现任意用户定义的模块。
2003-10-06 cs.SE
DynaFix: Iterative Automated Program Repair Driven by Execution-Level Dynamic Information
Chongqing University(重庆大学)
DynaFix通过迭代利用运行时动态信息改进程序修复,利用变量状态、控制流路径和调用栈等结构化提示引导LLM生成候选补丁,有效提升修复效率和准确性。
2026-04-19 cs.AI cs.SE
Timestamp Based Execution Control for C and Java Programs
许多程序员不得不处理一个被覆盖的变量,例如由于别名问题。罪魁祸首显然是在bug出现之前对该内存位置的最后一次写访问。移除这些bug的常用技术是从调试器开始,通过(1)找到最后一次写入,(2)通过从头开始重新执行程序,将执行的控制点移回该时间。我们希望将其自动化。如果我们能以某种方式标记在步骤(1)中发现的最后一次写入并控制执行点将其移回此时,则步骤(2)很容易。在本文中,我们提出了一个新的概念,位置,即程序执行轨迹中的一个点,需要上述步骤(2)。该职位使调试器能够自动控制程序执行,以支持常见的调试活动。我们在C中通过修改GCC实现了位置,在Java中通过字节码Transformer实现了位置。测量结果表明,该位置可以提供可接受的开销量。
2003-09-17 cs.SE
Bloch Vector Assertions for Debugging Quantum Programs
本文提出 Bloq,一种基于 Bloch 向量断言的自动化故障定位方法,利用 Pauli 算子期望值测量实现低开销调试,并在实验中优于现有方法 Proq。
2025-06-23 cs.SE quant-ph
Dynamic Code Coverage with Progressive Detail Levels
如今,定位软件组件负责观察到的故障是软件开发过程中最昂贵和最容易出错的任务之一。为了提高调试过程的效率,已经做出了一些努力来自动辅助检测和定位软件故障。这导致了统计调试工具的创建,如Tarantula,Zoltar和GZoltar。这些工具使用从代码覆盖率数据中收集的信息和测试执行的结果来返回潜在错误位置的列表。虽然有帮助,但故障定位工具有一些缩放问题,因为它们需要细粒度的覆盖数据来执行故障定位分析。在某些情况下可能高达50%的仪器开销是其效率低下的主要原因。本文提出了一种新的方法来解决这个问题,尽可能避免高层次的覆盖细节,同时仍然使用这些故障定位工具采用的成熟技术。这种方法称为DCC,包括使用较粗的初始检测,仅获得大组件的覆盖跟踪。然后,基于由当前故障定位工具中采用的相同技术提供的中间结果,逐步增加某些部件的仪表细节。为了评估我们所提出的方法的有效性,进行了实证评估,在四个现实世界的软件项目中注入故障。实证评估表明,DCC方法减少了执行开销,存在于基于频谱的故障定位,甚至提出了一个更简洁的潜在故障排名给用户。我们观察到执行时间平均减少27%,诊断报告大小平均减少63%。
2013-06-19 cs.SE
Show Me Why It's Correct: Saving 1/3 of Debugging Time in Program Repair with Interactive Runtime Comparison
提出交互式方法iFix,通过静态分析和对齐不同补丁的运行时变量值来辅助开发者比较与理解补丁,显著缩短了任务完成时间并提升了正确补丁排序。
2025-03-01 cs.HC cs.SE