并发缺陷不再靠海量随机调度:让智能体读懂语义,同一预算下多找出38个缺陷
核心概要
并发缺陷只在特定线程交错下出现,而调度器本身看不出哪些调度点与缺陷有关。Reins把智能体对并发语义的推理写成对事件顺序和变量状态的约束,交给受控调度器执行,再用执行结果修正假设。在三个公开基准上,它在同一时间预算内检出的缺陷多于现有受控调度技术,其中最大的RaceBench上比最好的基线多38个;在两个真实项目中找到六个此前未知的并发缺陷,三个已被开发者确认。
深度剖析
线程调度不再只按概率或覆盖信号决定,而是由对程序并发语义的推理来定向。 此前的受控并发测试按系统枚举、随机采样或强化学习、灰盒模糊等调度策略探索交错空间,在调度点层面工作,难以判断哪些调度点与缺陷相关。 在SCTBench与ConVul的52个单缺陷程序上,Reins检出48个,SURW、RFF、PCT-3、PCT-10和RW分别检出46、47、44、43和35个,且Reins的检出都在约100次调度内完成,而基线在困难程序上出现长达上万次调度的长尾。
智能体先看真实执行中观察到的共享变量访问,再按需读源码和静态信息,据此提出缺陷假设。 此前技术没有充分利用并发语义,例如哪些访问组合在程序逻辑下危险、程序需处于什么状态才会触发缺陷。 假设被写成调度计划,即对事件顺序和变量状态的约束,只涉及触发缺陷所需的少数关键事件与变量;受控调度器在相关调度点按计划执行,其余调度点随机决定,执行结果再用来修正计划或假设。
执行结果被当作证据,触发缺陷的运行会记录调度轨迹以便确定性重放。 智能体的推理可能看似合理却不正确,甚至虚构不存在的变量和代码位置,因此其结论本身不构成证据。 计划中的事件和变量在执行前先对照程序校验;在RaceBench的75个目标、1500个注入缺陷上,Reins检出769个,比最好的基线SURW的731个多38个,且曲线在预算结束时仍在上升。
启示与展望
这项工作面向共享内存多线程程序,在给定测试入口和输入所到达的代码范围内检测和复现并发缺陷,覆盖数据竞争、原子性违反、顺序违反和死锁等会导致崩溃、断言失败或挂起的常见模式。评估在三个公开基准和两个真实项目上进行,总时间预算为每个目标5小时。读者若关注的是给定测试用例覆盖到的代码,这套流程的适用范围与评估设置一致。
智能体输出的随机性是主要不确定性,假设和计划可能在不同运行间不同,且受成本限制每个工具和配置只运行一次、只用一个模型。RaceBench的注入缺陷在源码中留有可识别痕迹,评估中已做匿名化处理;基准代码可能出现在模型训练语料中,但记忆至多帮助定位可疑代码,不能替代构造可重放的触发调度。与基线的比较统一在同一时间预算下进行,因此与各基线原论文以调度次数为预算的报告不可直接比较。此外,所有工具在5小时预算内检出的注入缺陷都不超过约51%,部分原因来自统一使用种子输入以及预算本身。
