演講嘉賓 |蔡源稻

回顧整理 | 廖 濤

排版校對 | 宋夕明

嘉賓介紹

研究分論壇

蔡源稻，華為2012實驗室技術(shù)專家。

正文內(nèi)容

靜態(tài)分析（Static Analysis）是軟件開發(fā)中不可或缺的一部分，它可以幫助開發(fā)人員提高代碼質(zhì)量、減少缺陷和安全風(fēng)險。OpenHarmony的編譯環(huán)境復(fù)雜，代碼量巨大，且由多種編程語言混合編程，在靜態(tài)分析上存在不小挑戰(zhàn)。如何提升OpenHarmony靜態(tài)分析的準(zhǔn)確性和效率？華為2012實驗室技術(shù)專家蔡源稻在第三屆OpenHarmony技術(shù)大會上進行了精彩分享。

在軟件開發(fā)的生命周期中，代碼的質(zhì)量和安全性至關(guān)重要。隨著軟件系統(tǒng)的復(fù)雜性不斷增加，如何在有限的時間和資源內(nèi)，確保軟件的功能正確性、性能優(yōu)化以及安全性？這就涉及兩種重要的分析技術(shù)：靜態(tài)分析和動態(tài)分析。

動態(tài)分析指在程序運行時對其行為進行監(jiān)控和分析，能夠捕捉到實際運行中的性能瓶頸、內(nèi)存泄漏和競態(tài)條件等問題。相對而言，靜態(tài)分析則在不執(zhí)行程序的情況下利用軟件結(jié)構(gòu)窮舉軟件所有可能的運行時行為并將這些行為以數(shù)據(jù)結(jié)構(gòu)形式記錄，從而幫助開發(fā)者在早期階段發(fā)現(xiàn)潛在的錯誤、安全漏洞和代碼質(zhì)量問題。

對于OpenHarmony而言，由于其編譯環(huán)境復(fù)雜，代碼量巨大，且由多種編程語言混合編程，靜態(tài)分析存在以下挑戰(zhàn)：

覆蓋率不高：靜態(tài)分析理論上可以完整覆蓋程序運行行為，但工程代價太高/分析效率太低，導(dǎo)致實際上覆蓋率不高；同時，動態(tài)分析也無法完整覆蓋程序。

無法適配復(fù)雜編譯：靜態(tài)分析工具需要干預(yù)編譯過程來獲得待分析代碼（IR），OpenHarmony的編譯環(huán)境復(fù)雜 （涉及多個編譯器，一個編譯器不同版本），很難滿足此要求。

分析代價高：精確的靜態(tài)分析，如控制流敏感、函數(shù)上下文敏感、路徑敏感分析需要較高的分析代價（時間、內(nèi)存）。對于OpenHarmony海量的代碼而言，現(xiàn)有靜態(tài)分析方法無法在物理資源和時間限制下完成代碼分析。

庫函數(shù)建模困難：由于庫函數(shù)（e.g., STL C++）需要手動建模才能適配靜態(tài)分析，但已有靜態(tài)分析遇到未知庫函數(shù)只能做保守假設(shè)或直接丟棄結(jié)果。

針對上述問題，作者本人提出了以下解決方案，并介紹了當(dāng)前在研產(chǎn)品“費馬分析器（Fermat Analyzer）”的部分創(chuàng)新技術(shù)點：

非侵入編譯的IR構(gòu)建：非侵入編譯的IR構(gòu)建（Non-intrusive Compilation for IR Construction）是一種在編譯過程中構(gòu)建中間表示（Intermediate Representation, IR）的技術(shù)，其核心特點是在不修改或侵入源代碼的情況下生成IR。在正向編譯時，無需修改編譯環(huán)境，套用工具在編譯腳本即可完成IR構(gòu)建；而反編譯時，翻譯可以處理第三方庫，二進制形式等產(chǎn)品模塊。

基于PDG的稀疏值流分析：Program Dependence Graph（PDG）是一種用于表示程序中語句或指令之間依賴關(guān)系的圖形化數(shù)據(jù)結(jié)構(gòu)。通過簡潔編碼數(shù)據(jù)依賴和控制依賴，能夠清晰地表示程序的執(zhí)行邏輯，并優(yōu)化分析過程。具體做法有：（1）拋棄全局窮盡式的指針分析，通過高精度局部指針分析，發(fā)現(xiàn)并記錄因為指針操作產(chǎn)生的函數(shù)內(nèi)的內(nèi)存讀寫數(shù)據(jù)依賴；（2）跨函數(shù)在按需分析時在調(diào)用函數(shù)中將跨函數(shù)數(shù)據(jù)依賴對齊；（3）指針同化為普通數(shù)據(jù)流，賦能按需計算，可理解為 IFDS 加入路徑條件和指針信息。

持久化設(shè)計，分析復(fù)用：通過復(fù)用第三方庫分析結(jié)果，能夠加速分析，減少內(nèi)存占用；通過程序拆分，可在單機上完成大規(guī)模代碼分析。

大模型使能與輔助：當(dāng)前，AI技術(shù)的快速發(fā)展，使大模型與代碼分析相結(jié)合是一個重要趨勢。例如，將大模型使能規(guī)約推斷：函數(shù)行為推斷（內(nèi)存創(chuàng)建/釋放，中斷函數(shù)等），API別名信息推斷；或通過大模型輔助誤報診斷：基于缺陷程序切片以及缺陷信息進行誤報診斷。

接下來，對于復(fù)雜代碼的靜態(tài)分析的實際問題，看看費馬分析器是如何解決的：

一、并發(fā)內(nèi)存安全錯誤檢查。現(xiàn)有的關(guān)于并發(fā)程序分析的精確方法往往效率較低。Canary方法首次將并發(fā)錯誤檢測轉(zhuǎn)化為Source-Sink值流 (Value Flow)的檢查，通過監(jiān)視內(nèi)存對象在數(shù)據(jù)依賴關(guān)系中沿指針之間的流動，觀察到Source最終沿Sink流路徑到達匯。因此，考慮到只有對線程共享內(nèi)存位置的內(nèi)存訪問才重要，許多線程執(zhí)行交錯對于檢測的并發(fā)錯誤來說是無關(guān)緊要的，費馬分析器采取了減少指數(shù)級爆炸的線程交錯分析的方法。

二、準(zhǔn)確高效的死鎖檢查。在執(zhí)行上下文敏感的死鎖檢測時，容易出現(xiàn)函數(shù)上下文爆炸的問題 (Calling Context Explosion)?？紤]到許多函數(shù)上下文對死鎖檢測來說是無關(guān)緊要的，因此，費馬分析器采取了Peahen方法（第一種用于緩解低效問題的函數(shù)上下文縮減技術(shù) （Context Reduction）），通過對兩個協(xié)同階段進行昂貴的函數(shù)上下文敏感計算的分解，進行上下文無關(guān)的鎖圖構(gòu)建以發(fā)現(xiàn)死鎖相關(guān)的函數(shù)。

三、準(zhǔn)確高效的函數(shù)調(diào)用圖：雞尾酒療法。對于解析函數(shù)指針的值，以及構(gòu)建C代碼的函數(shù)調(diào)用圖，傳統(tǒng)單一模式 (e.g., SVF, LLVM)——即用一種精度來分析所有的間接調(diào)用，往往要么不精確要么不高效。費馬分析器采用多種精度來分析所有的間接調(diào)用，以自動準(zhǔn)確的方式?jīng)Q定一個間接調(diào)用需要哪種準(zhǔn)確的分析，并采用合適的精度來回避計算資源浪費。

未來，隨著AI大模型的迅速發(fā)展，代碼規(guī)模和分布式架構(gòu)的復(fù)雜性都不斷提高，靜態(tài)分析作為系統(tǒng)可信和軟件質(zhì)量的重要保障，也正從傳統(tǒng)的模式匹配向智能化、場景化方向演進。隨著技術(shù)的不斷進步，靜態(tài)分析將在軟件開發(fā)的各個環(huán)節(jié)發(fā)揮更加關(guān)鍵的作用，為構(gòu)建高質(zhì)量、高性能、高安全性的軟件系統(tǒng)提供堅實的支持。