本文针对现有方法在理解程序语义方面的不足，提出了基于中间表示（IR）的代码理解方法。通过LLVM编译器将源代码转化为IR，构建XFG以捕获数据和控制依赖，使用inst2vec学习语义嵌入。实验表明，这种方法在程序分析任务中表现出色，优于专门方法。
摘要：
大多数作品直接处理代码或者使用语法树表示，然而因为程序的一些结构特征，像函数调用、分支、以及语句顺序的可替换性，现有的方法没有足够地理解程序语义的鲁棒性。本文提出了一种新的技术去学习代码语义，并将其应用于各种程序分析任务中。具体来说，首先规定一个适应于人类和机器生成的程序的健壮的代码分布假设，根据这个假设定义一个基于代码中间（IR，独立于源代码编程语言）表示的嵌入空间inst2vec。利用程序的数据流和控制流，我们为IR提供了一个新的上下文表示的定义，XFG。然后使用类比和聚类的方法对嵌入进行定性分析，并对三个不同的高级任务的学习表示进行评估。实验表明，即使没有微调，单个RNN架构和固定inst2vec嵌入也优于性能预测（计算设备映射、最佳线程粗化）和原始代码（104个类）的算法分类的专用方法。
现有方法的缺陷：
①？？源程序设计语言固定
②顺序处理token，主要以功能的、无循环的代码为目标，这些代码并不能代表大多数应用程序。
总体结构
主要过程
源代码（不限制语言）->IR（通过LLVM编译器表示成中间表示）->XFGs（使用数据流和控制流构造，所以支持循环和函数调用)->使用XFG训练单个语句的嵌入空间（inst2vec&#x
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
