SLICEMATE: Accurate and Scalable Static Program Slicing via LLM-Powered Agents
本文提出由 LLM 智能体协同完成静态程序切片的 SliceMate,并构建含 2,200 个 Java/Python 程序的 SliceBench,实验证明其显著优于传统及学习型工具。
2025-07-25 cs.SE
Assessing the Impact of Execution Environment on Observation-Based Slicing
程序切片将程序减少到保留所选计算的较小版本,称为切片标准。一种最近的多语言切片方法,基于观察的切片(ORBS),推测性地删除程序的一部分,然后执行代码。如果切片标准的行为没有改变,则推测性删除被永久化。虽然这使得ORBS语言不可知,但它可能导致产生一些非直观的切片。一个特殊的挑战是执行环境何时起作用。例如,如果在执行语句之前分配给a的内存位置包含零,则ORBS将删除行“a = 0”,因为删除不会影响a的值,从而不会影响切片标准。因此,由于诸如初始化和调用堆栈重用之类的因素,执行环境之间的片可能不同。所考虑的技术,nVORBS,试图通过验证在n个不同的执行环境中的候选切片来改善这个问题。我们进行了实证研究,以收集执行环境导致切片差异的频率的初步见解。具体来说,我们比较和对比七个不同的实例化nVORBS所产生的切片。展望未来,该技术可以被看作是变形测试的一个变种,从而表明如何从变形测试的想法可能被用来改善动态程序分析。
2022-08-28 cs.SE
Program Slicing in the Era of Large Language Models
本研究评估了四种大型语言模型在Java程序静态和动态切片上的性能,发现GPT-4o表现最佳但准确率有限,并通过提示设计等策略提升了准确率。
2024-09-19 cs.SE
Dynamic Slicing for Deep Neural Networks
程序切片在各种软件工程任务中得到了广泛的应用。然而,现有的程序切片技术只处理由指令和变量构造的传统程序,而不是由神经元和突触组成的神经网络。在本文中,我们提出了NNSlicer,这是第一种基于数据流分析的深度神经网络切片方法。我们的方法基于输入激活的行为与整个数据集的平均行为之间的差异来理解每个神经元对输入的反应。然后,我们通过从输出神经元递归回溯来量化神经元对切片标准的贡献,并将切片计算为具有较大贡献的神经元和突触。我们展示了NNSlicer的有用性和有效性,包括对抗性输入检测,模型修剪和选择性模型保护。在所有应用中,NNSlicer的性能都显著优于不依赖于数据流分析的其他基准。
2020-09-29 cs.SE
CausalRepair: Bridging the Causality Gap in Large Language Model-Based Automated Program Repair via Dual-Slicing
Peking University(北京大学);Shandong University(山东大学);Hong Kong Polytechnic University(香港理工大学)
CausalRepair是基于最小因果上下文的对话驱动型自动化程序修复框架,通过双重切片策略构建因果相关上下文,在Defects4J数据集上修复313个漏洞,性能优于现有方法且修复成本更低。
2026-08-12 cs.SE
Katana: Dual Slicing-Based Context for Learning Bug Fixes
上下文信息在软件开发人员理解和修复错误时起着至关重要的作用。因此,基于深度学习的程序修复技术利用上下文进行错误修复。然而,现有的技术以任意的方式处理上下文,通过在封闭文件、类或方法内提取与错误语句非常接近的代码,而不进行任何分析以找到与错误的实际关系。为了减少噪音,它们对用作上下文的令牌数量使用预定义的最大限制。我们提出了一个程序切片为基础的方法,而不是任意包括作为上下文的代码,我们分析的语句有一个控制或数据依赖的错误语句。我们提出了一个新的概念,称为双切片,它利用的上下文中的错误和固定版本的代码来捕获相关的修复成分。我们提出了我们的技术和工具,称为武士刀,第一个应用基于切片的上下文程序修复任务。结果表明,Katana有效地保留了足够的信息,供模型选择上下文信息,同时降低噪声。我们比较了最近四个国家的最先进的上下文感知程序修复技术。我们的研究结果表明,Katana修复的错误是现有技术的1.5到3.7倍。
2022-12-05 cs.SE
Specification Slicing for VDM-SL
本文针对 VDM-SL 可执行规格难以阅读和调试的问题,借鉴程序切片技术提出规格切片方法,并在 ViennaTalk 上实现,可应用于浏览器和调试器。
2024-10-04 cs.SE
Distributed Data and Programs Slicing
本文提出了一种新的技术,数据切片的分布式程序上运行的层次结构的机器。数据切片可以实现为一种程序转换,将层次结构中的机器堆划分为独立的区域。在每台机器的每个区域内,指针保留原始堆层次结构中的原始指针结构。基本类型的每个堆组件(例如,整型)仅进入堆之一的区域。所提出的技术具有推理规则系统的形状。此外,本文还提出了一种结构简单的类型系统来判定分布式程序的类型可靠性。使用这种类型系统,数学证明,建议的切片技术保持类型属性概述了本文。
2014-02-24 cs.PL cs.SE
SLICET5: Static Program Slicing using Language Models with Copy Mechanism and Constrained Decoding
University of Manitoba(曼尼托巴大学);Concordia University(康考迪亚大学)
本文提出SLICET5框架,将静态程序切片建模为序列到序列任务,通过复制机制和词法/语法受限解码解决依赖识别不准与生成不受约束问题,在CodeNet和LeetCode上ExactMatch最高提升27%。
2025-09-22 cs.SE
Applying Slicing Technique to Software Architectures
软件体系结构作为软件系统的一个重要设计层次,正受到越来越多的关注。随着软件体系结构设计资源(以体系结构规范的形式)的积累,支持体系结构理解、测试、再工程、维护和重用的技术和工具的开发将成为一个重要的问题。本文介绍了一种新的切片形式,称为架构切片,以帮助架构的理解和重用。与传统切片不同,架构切片被设计为对软件系统的架构规范进行操作,而不是对程序的源代码进行操作。架构切片提供了关于软件系统的高层结构的知识,而不是程序的低层实现细节。为了计算架构切片,我们提出了架构信息流图,它可以用来表示软件架构中的信息流。基于图,我们给出了一个两阶段算法来计算建筑切片。
2001-05-05 cs.SE
Loop-Based Slicing and Input-Driven Concretization: An Empirical Study of Termination and Non-Termination Analysis
University of Nebraska–Lincoln(内布拉斯加大学林肯分校);Waseda University(早稻田大学);Tohoku University(东北大学)
研究针对实际C程序中终止和非终止验证难的问题,实现FocusTNT工具,用基于循环的切片和输入驱动具体化进行预处理,在多个程序上评估六种分析器,发现预处理效果因多种因素而异,为开发者提供实用指导。
2026-07-13 cs.SE
Program Dependence Net and On-demand Slicing for Property Verification of Concurrent System and Software
针对并发软件模型检查中的状态爆炸问题,提出基于Petri网的程序依赖网(PDNet)及其按需切片方法,统一模型避免转换,减少冗余计算,显著降低验证成本。
2023-11-15 cs.FL cs.SE
ASTANA: Practical String Deobfuscation for Android Applications Using Program Slicing
Android开发人员广泛使用软件混淆来保护其应用程序的源代码免受对抗性逆向工程的影响。一种特定类型的混淆,字符串混淆,将源代码中所有字符串文字的内容转换为不可解释的文本,并插入逻辑以在运行时对这些字符串文字进行去混淆。在这项工作中,我们证明了字符串混淆是很容易可逆的。我们提出ASTANA,Android应用程序的实用工具,以恢复人类可读的内容从混淆字符串字面量。ASTANA对混淆逻辑或应用程序结构做了最少的假设。关键思想是为特定(模糊)字符串字面量执行去模糊逻辑,这会产生原始字符串值。为了获得相关的去混淆逻辑,我们提出了一个轻量级的乐观算法,基于程序切片技术。通过对100个流行的真实金融应用的实验评估,我们证明了ASTANA的实用性。我们验证了我们的去混淆工具的正确性,并提供了由开发人员评估的Android应用程序的字符串混淆器的行为的见解。
2021-04-06 cs.CR cs.SE
SymPas: Symbolic Program Slicing
程序切片是一种通过关注程序行为的选定方面来简化程序的技术。当前主流的静态切片方法在PDG(程序依赖图)或SDG(系统依赖图)上操作,但是这些友好的图表示对于一些用户来说可能是昂贵的并且容易出错。在本文中,我们试图研究一个轻量级的静态程序切片的方法,称为符号程序切片(Symbolic Program Slicing,SymbolPas),它的工作原理是对LLVM(低级虚拟机)的一个简单的分析。在我们的SymPas方法中,切片是符号化存储的,而不是重新分析的过程(参见。程序摘要)。SymPas不是多次重新分析过程以找到每个调用上下文的切片,而是计算单个符号(或参数化)切片,该切片可以在调用站点实例化,避免重新分析;它在LLVM中实现以对其中间表示(IR)执行切片。为了比较,我们系统地适应IFDS(过程间有限分布子集)分析和基于SDG的切片方法(SDG-IFDS)静态IR切片程序。在开源和基准程序上进行评估,与后向SDG-IFDS相比,我们的后向SymPas显示出时间成本降低了6倍,空间成本降低了4倍,因此更高效。此外,结果表明,在研究了66个程序的切片后,大小范围高达336,800条IR指令,SymPas具有高度的大小可伸缩性。
2019-03-13 cs.LO cs.PL cs.SE
A Novel Approach for Computing Dynamic Slices of Aspect-Oriented Programs
我们提出了一个动态切片算法来计算面向方面程序的切片。我们使用一个依赖的中间程序表示称为方面系统依赖图(AOSG)表示面向方面的程序。然后,我们提出了面向对象程序的动态切片算法,它是面向对象程序的EMDS算法的扩展。我们的算法是基于标记和取消标记的边缘AOSG适当地在运行时。
2014-03-01 cs.SE
Model Checking with Program Slicing Based on Variable Dependence Graphs
在嵌入式控制系统中,由于软件复杂性导致例如与时序相关的问题,软件缺陷的潜在风险一直在增加。这些缺陷很少通过测试或模拟发现。为了检测这种缺陷,我们提出了一种建模方法,可以生成软件模型的模型检验与程序切片技术的基础上的变量依赖图。最后将该方法应用于一个汽车控制软件的实例中,验证了该方法的有效性。此外,我们开发了一个软件工具来自动化模型生成,并取得了35%的总验证时间减少模型检验。
2013-01-01 cs.LO cs.SE
Computation of WCET using Program Slicing and Real-Time Model-Checking
在现代复杂体系结构上计算精确的WCET是一项具有挑战性的任务。在过去的十年里,这个问题已经引起了很多关注,但仍然存在一些悬而未决的问题。首先,需要二进制程序的控制流图(CFG)来计算WCET,并且使用生成二进制代码的编译器的一些内部知识来构建此CFG;此外,一旦构建了CFG,就必须手动注释循环边界。其次,计算WCET的算法(结合了抽象解释和线性规划)是为特定的架构量身定制的:改变架构(例如用ARM9替换ARM 7)需要设计一个新的自组织算法。第三,计算结果(使用可用的工具获得)的紧密性没有与在真实硬件上测量的实际执行时间进行比较。在本文中,我们解决上述问题。我们首先描述了一个全自动的方法来计算一个CFG完全基于二进制程序进行分析。其次,我们将硬件的模型描述为时间自动机的产物,并且该模型独立于程序描述。在硬件上运行的程序的模型是通过将程序(的自动机)与硬件的(时间自动机)模型同步来获得的。计算WCET减少到一个可达性问题的同步模型和解决使用模型检查UPPAAL。最后,我们提出了一个严格的方法,使我们能够比较我们的计算结果,在一个真正的平台,ARM920 T上测量的实际执行时间。
2011-11-08 cs.SE
The Impact of Program Reduction on Automated Program Repair
本文提出利用程序切片缩减无关代码以提升自动程序修复的可扩展性,并在Defects4J上验证其可将TBar的中位修复时间从80分钟降至18分钟以内,同时保持修复质量。
2024-08-02 cs.SE
On The Effectiveness of Dynamic Reduction Techniques in Automated Program Repair
针对自动化程序修复处理大规模工业级缺陷程序耗时耗资源的问题,提出集成ORBS观测切片的修复框架,通过程序约简优化修复全流程,在Defects4J数据集上实现性能提升且不降低修复质量。
2024-06-23 cs.SE
A Slicing-Based Approach for Detecting and Patching Vulnerable Code Clones
本文提出srcVul方法,结合程序切片与局部敏感哈希检测易受攻击的代码克隆并推荐补丁,在漏洞数据库上取得91%精确率和75%召回率。
2025-05-05 cs.CR cs.SE
Static Program Slicing Using Language Models With Dataflow-Aware Pretraining and Constrained Decoding
Department of Computer Science, University of Manitoba(曼尼托巴大学计算机科学系);School of Engineering and Computer Science, Concordia University(Concordia大学工程与计算机科学学院);School of Computer Science, University of Windsor(温莎大学计算机科学学院)
本文提出Sliceformer,通过数据流感知预训练和约束解码改进静态程序切片,提升依赖建模精度和减少生成幻觉,实验显示在Java和Python基准上精确匹配提升22%。
2026-05-10 cs.AI cs.PL cs.SE
Focused Dynamic Slicing for Large Applications using an Abstract Memory-Model
动态切片技术计算程序依赖性,以找到在特定执行的程序点上影响变量值的所有语句。尽管它们有许多潜在的用途,但它们的适用性受到限制,因为它们通常不能扩展到小型应用程序之外。我们认为,这种限制的核心是使用内存引用来识别数据依赖关系。特别地,与存储器引用一起工作阻碍了对待切片的代码的不同处理(例如,用户感兴趣的类)与代码的其余部分(包括库和框架)分离。对未关注的代码执行粗粒度分析的能力可以提供性能增益,并可能成为实现可伸缩性的一条途径。在本文中,我们提出了一种新的方法,完全取代内存引用注册和处理与内存分析模型,与程序符号(即,条款)。事实上,这种方法支持不对不属于要切片的代码的代码进行插装(因此不生成任何跟踪)的替代方案。我们报告了一个用于C\#的抽象动态切片器\textit{DynAbs}的实现,以及一个评估,该评估显示了Roslyn和Powershell(可以在GitHub中找到的两个最大和最现代的C\#应用程序)的大小和相关部分可以在最多几分钟内对其测试用例断言进行切片。我们还展示了如何减少代码切片的重点可以带来重要的加速与边际相对精度损失。
2022-11-08 cs.SE
Specification Mining for Smart Contracts with Trace Slicing and Predicate Abstraction
提出基于 trace slicing 和 predicate abstraction 的 specification mining 方法并实现工具 SMCON,从交易历史推断智能合约规范,实验证明其能提升符号分析的代码覆盖率与速度,并辅助开发者维护文档和测试套件。
2025-04-29 cs.SE
Error Invariants for Concurrent Traces
错误不变量是断言,其过度近似错误跟踪中给定位置处的可达程序状态,同时仅捕获如果跟踪的执行从该位置继续则仍将导致失败的状态。这样的断言反映了错误的根本原因及其传播所涉及的语句的效果,从而允许对不会导致错误的语句进行切片。以前关于错误不变量的工作主要集中在顺序程序上。我们将错误不变量推广到并发跟踪,通过增加有关危险的额外信息,例如写后写事件,这些事件通常涉及竞争条件和原子性违规。通过提供的选项,包括不同层次的细节错误不变量,如危险和分支信息,我们的方法允许程序员系统地分析各个方面的错误trace.We实现了一个危险敏感的切片工具的并发痕迹的错误不变量的基础上,并评估它的基准涵盖了广泛的现实世界中的并发错误。危险敏感切片显著减少了所考虑的跟踪的长度,并且仍然保持了并发错误的根本原因。
2016-08-30 cs.SE
Sliced Slices: Separating Data and Control Influences
后向切片在程序理解、调试和程序分析的扩展中得到了广泛的应用。对于大型程序,常规向后切片的大小约为程序大小的25%。这可能太大而没有用处。我们的调查表明,在一般情况下,切片的大小的影响更多的控制流达到切片标准的计算,而不是由管理的值相关的切片标准的计算。我们通过定义数据切片和控制切片来区分两者,这两者都小于通过组合两者可以获得的常规切片。这很有用,因为对于许多应用程序来说,单独的数据或控制片就足够了。我们的实验表明,超过50%的情况下,数据切片小于10%的程序大小。此外,计算数据或控制切片的时间与计算传统切片的时间相当。
2014-07-18 cs.PL cs.SE
Data-Flow Guided Slicing
我们提出了一个流不敏感的分析,修剪出部分的代码是不相关的一组指定的数据流路径。我们的方法快速且可扩展,此外还能够生成证书作为计算结果的审计。我们已经在一个名为DSlicer的工具中实现了我们的技术,并将其应用于一组10600个真实的Android应用程序。结果是结论性的,我们发现,相对于一组指定的数据泄漏路径,程序代码平均可以显著减少36%。
2018-08-03 cs.PL cs.SE
What Is Wrong with My Model? Identifying Systematic Problems with Semantic Data Slicing
Carnegie Mellon University(卡内基梅隆大学);Carnegie Mellon Software Engineering Institute(卡内基梅隆大学软件工程研究所)
针对传统数据切片依赖现有特征难以定位模型系统性问题的局限,提出支持语义数据切片的SemSlicer框架,借助大语言模型按用户自定义标准生成切片,可低成本准确识别性能不佳的问题数据切片。
2024-09-14 cs.AI cs.CL cs.LG
Techniques and Applications of Computation Slicing
编写正确的分布式程序很难。尽管进行了广泛的测试和调试,但即使在商业级软件中,软件故障也会持续存在。许多分布式系统,特别是那些在安全关键环境中使用的系统,即使在软件故障的情况下也应该能够正常运行。监视分布式系统的执行,并在检测到故障时启动适当的纠正措施是容忍此类故障的重要方法。这就产生了谓词检测问题,它需要找到一个满足给定全局谓词(如果存在)的给定计算的一致切割。然而,在计算中检测谓词是一个NP完全问题。为了改善相关的组合爆炸问题,我们引入了计算切片的概念。形式上,相对于谓词的计算的切片是具有最少数量的一致切割的(子)计算,其包含满足谓词的计算的所有一致切割。为了检测谓词,搜索切片的状态空间要比搜索计算的状态空间有效得多。我们证明了片存在,是唯一定义的所有谓词。我们提出了有效的切片算法的几个有用的类的谓词。我们开发了有效的启发式算法计算的近似切片的谓词,计算切片,否则证明棘手。我们的实验结果表明,切片可以导致一个指数级的改进,在时间和空间方面的谓词检测现有的技术。
2003-03-15 cs.DC cs.SE
An Unfolding-Based Semantics for Logic Programming with Aggregates
本文给出了具有聚集的逻辑程序的回答集的两个等价定义。这些定义建立在聚集体展开的概念上,它们旨在创建将具有聚集体的逻辑程序转换为正常逻辑程序或正程序的方法,其回答集语义可以用于定义原始程序的语义。第一个定义提供了另一种观点的语义逻辑编程与聚合描述Pelov等人。第二个定义是类似于传统的回答集定义正常的逻辑程序,在这一点上,给定一个逻辑程序与聚合和解释,展开过程产生一个积极的程序。本文展示了如何将这一定义扩展到考虑聚集在头部的规则。所提出的具有聚集的逻辑编程的观点是简单的,并且与最终稳定模型语义以及大类程序的其他语义表征(例如,具有单调聚集的程序和聚集分层的程序)。此外,它可以直接用于支持使用可用的答案集求解器的实现。本文描述了一个名为ASP^A的系统,该系统能够计算具有任意(例如,递归定义的)聚集。
2006-05-09 cs.AI cs.SE