[论文阅读] 软件工程 | GPS算法：用“路径摘要”当向导，软件模型检测从此告别“瞎找bug”
GPS算法：用“路径摘要”当向导，软件模型检测从此告别“瞎找bug”
论文信息
| 项目 | 详情 |
|---|---|
| 论文原标题 | Software Model Checking via Summary-Guided Search (Extended Version) |
| 主要作者及机构 | 1. Ruijie Fang（University of Texas at Austin, USA） 2. Zachary Kincaid（Princeton University, USA） 3. Thomas Reps（University of Wisconsin-Madison, USA） |
| APA引文格式 | Fang, R., Kincaid, Z., & Reps, T. (2025). Software Model Checking via Summary-Guided Search (Extended Version). ACM Transactions on Programming Languages and Systems, 1(1), 1-36. https://doi.org/10.1145/nnnnnnn.nnnnnnn |
| 核心领域 | 软件模型检测、静态分析、自动化测试 |
| 开源资源 | - Docker镜像：https://hub.docker.com/r/ruijiefang/gps-oopsla25-ae/ - 基准与代码：https://doi.org/10.5281/zenodo.16914158 |
一段话总结
本文提出一种名为GPS（Guided by Path Summaries） 的软件模型检测算法，将程序模型检测转化为“有向导的状态搜索”：通过静态分析生成的“路径摘要”（过近似输入输出关系的公式），既剪枝掉不可行路径、减少无效搜索，又引导测试生成以探索未覆盖状态；其创新的“两层搜索策略”（深度优先执行测试+广度优先生成测试）能高效处理“长输入依赖错误路径”（如需循环1000次的bug），还通过“gas变量 instrumentation”保证了“反驳完备性”（只要有bug，给足够时间就一定能找到）。在SV-COMP（ReachSafety-Loops类别）及“锁钥难题”（Lock & Key）等基准测试中，GPS在解决数量和运行时间上均超越现有顶尖模型检测工具。
研究背景：软件模型检测的“三难困境”与“痛点案例”
要理解GPS的价值，先得搞清楚它解决了什么“老大难”问题。软件模型检测的核心目标是证明程序安全（无bug）或找到bug（反例输入），但现有技术长期陷入“三难困境”：
1. 现有三大技术的“先天缺陷”
| 技术类型 | 优点 | 致命缺点 | 类比场景 |
|---|---|---|---|
| 静态分析 | 能证明程序安全 | 不能找bug（过近似导致无法反驳） | 医院“全面体检”：能查慢性病，但漏诊急性病 |
| 自动化测试 | 能找bug（生成测试用例） | 不能证明安全（覆盖不全） | 警察“巡逻抓小偷”：能抓现行，但不能保证无贼 |
| 传统模型检测 | 既能证安全又能找bug | 慢、易超时、可能不终止（搜索空间爆炸） | “地毯式搜索”：能找全，但费时间且可能迷路 |
2. 两大典型痛点案例（论文重点解决）
痛点1：“锁钥难题”（Lock & Key）——找不到“开门的钥匙”
比如论文中的EX-1程序（图1）：要触发断言错误，需满足两个条件：① 循环执行至少1000次；② 输入N=1000（“钥匙”）。现有工具的问题：
- 测试工具（如DART）：随机生成
N，很难碰巧选中1000，且循环1000次会超时； - 传统模型检测（如BMC）：按路径长度递增搜索，没到1000次就耗尽资源。
痛点2：“长路径陷阱”——绕不出“无限循环”
比如论文中的状态机程序（图9）：要触发错误，需依次输入“D→O→G”（状态机切换）+“C→A→T”（输入变量）。现有工具可能陷入“无限循环”：每次选c=0（非关键输入），永远到不了错误状态，导致Explore子程卡死。
3. 核心需求：需要一种“又准又快又全”的方法
- 准：能精准定位“有效路径”，不做无效搜索；
- 快：能跳过冗余路径，快速找到长依赖bug；
- 全：只要有bug，就一定能找到（反驳完备），同时能证明安全。
创新点：GPS的“四大独门绝技”
GPS的突破在于把静态分析的“精准导航”、测试的“高效探索”、模型检测的“完备性”捏合成一个整体，核心创新有四个：
1. 摘要引导测试：不“瞎试”，只试“可能有bug的路径”
传统测试是“广撒网”，GPS是“精准钓鱼”——用静态分析生成的“路径摘要”（过近似输入输出公式）指导测试生成：
- 摘要
Sum(G,u,v)：代表从节点u到v的所有路径的“输入输出关系”（比如“min'=i'=k且k≥1000”）； - 测试生成逻辑：若
w(π)∘Sum(G,dst(π),t)（路径π+从π终点到错误的摘要）可满足，则从模型中提取“可能触发bug的测试用例”，避免随机试错。
比如EX-1中，摘要直接给出“k≥1000”，GPS直接生成N=1000的测试，一次就命中bug。
2. 死端插值：生成“一劳永逸”的不变量
当测试生成失败（测试到不了错误），GPS不是直接放弃，而是提取“死端插值”：
- 死端：路径
π的所有延伸都到不了错误（比如EX-2中“r≥3”的路径，不可能满足“r=2”的错误条件）； - 插值：从“
w(π)∘Sum(...)不可满足”的证明中提取的状态公式（如“2|x”，表示x是偶数），能证明“所有延伸路径都不可行”。
比如EX-3中，死端插值“2|x”直接证明“x永远是偶数，不可能等于1”，一次性覆盖所有相关路径，不用逐个验证。
3. 两层搜索策略：兼顾“深度探索”与“广度覆盖”
GPS用“广度优先生成测试+深度优先执行测试”的组合策略：
- 广度优先：从路径树的“前沿”（未探索路径）中选路径生成测试，避免陷入某一条无效路径；
- 深度优先：执行测试时深入探索路径，快速覆盖长路径。
这种策略既不会像传统深度优先那样“一条路走到黑”，也不会像纯广度优先那样“浅尝辄止”，特别适合长输入依赖路径。
4. gas instrumentation：给“无限循环”装“刹车”
为了保证“反驳完备性”（只要有bug就一定能找到），GPS给程序加了个gas变量（类似“倒计时”）：
- 初始化：
gas为非确定正整数； - 循环处：每次循环
gas--，且gas≥0（否则退出循环）； - 作用：强制Explore子程不会陷入“无限循环”，保证所有可能路径都会被公平探索。
比如状态机程序中，gas变量会迫使测试生成“让状态机前进”的输入（如c=68），否则gas耗尽就退出，避免卡死。
研究方法：GPS算法的“三步拆解”
GPS的逻辑链条非常清晰，可拆成“基础版（GPSLite）→完整版（GPS）→完备性保障（gas）”三步：
步骤1：GPSLite——核心逻辑的“简化版”
GPSLite是GPS的“骨架”，专注于“找bug+死端检测”，流程如下：
- 初始化：路径树
T（存已探索路径）、前沿队列frontierQueue（存待探索路径），初始只有空路径； - 循环探索：
- 从队列取路径
π，用Check+原语判断“w(π)∘Sum(G,dst(π),t)是否可满足”； - 若可满足（SAT）：调用
Explore子程，从模型中提取测试用例，模拟执行并扩展路径树（若到错误则返回bug）； - 若不可满足（UNSAT）：标记
π为死端，跳过（剪枝）；
- 从队列取路径
- 终止：队列空则证明安全，找到bug则返回反例。
步骤2：GPS——加入“不变量合成”的“完整版”
GPS在GPSLite基础上增加“证明安全”的能力，核心是抽象可达树（ART）：
- ART结构：路径树
T+标签L（路径的状态公式，如“2|x”）+覆盖边Cov（标记归纳不变量）； - 死端插值生成：当
Check原语返回UNSAT时，提取插值序列（如⊤→2|x→2|x），用Refine子程强化路径标签，标记死端； - 归纳不变量检查：用
TryCover子程检查“子路径标签是否蕴含祖先标签”（如“x>1∧2|x蕴含2|x”），若满足则加覆盖边，证明循环不变量； - 终止：ART无“前沿路径”（所有路径要么死端要么被覆盖）则证明安全。
步骤3：gas instrumentation——保障“反驳完备性”
为了避免Explore子程陷入无限循环，GPS对程序做“微小改造”：
- 新增全局变量
gas，初始为非确定正整数； - 在每个循环头部加代码：
if (gas-- < 0) break;； - 效果：任何测试用例的执行步数都被
gas限制，Explore必然终止，且GPS会“公平探索”所有可能路径（只要有bug，总有一个gas值能覆盖错误路径）。
关键优化：离线预计算摘要
GPS频繁需要“从任意节点到错误节点的摘要”，为了不重复计算，论文用Tarjan算法对偶化：
- 反转程序控制流图（
G→G^R）； - 定义“反向组合运算符”（
F∘^R G = G∘F）； - 用Tarjan算法一次计算所有“单目标摘要”（从任意节点到错误节点），后续查询直接调用，效率提升线性倍。
主要成果：数据说话，GPS到底有多强？
论文用297个基准程序（SV-COMP+锁钥难题+安全例子）验证GPS，核心结果如下：
1. 三大研究问题（RQ）与结论
| 研究问题（RQ） | 实验设计 | 核心结论 |
|---|---|---|
| RQ1：GPS哪些组件最关键？ | 消融实验：GPS vs GPSLite（无不变量）vs GPS-nogas（无gas）vs GPS-nogas-nosum（无摘要） | 1. 摘要（sum）是核心：无摘要时锁钥难题仅解决2/57； 2. gas提升稳定性：无gas时状态机例子仅解决3/6； 3. 不变量（GPS vs GPSLite）：安全例子从4/9提升到9/9 |
| RQ2：GPS vs 基础技术（CRA/Impact） | 对比CRA（静态分析）、Impact（模型检测） | 1. 比Impact多解决142个基准（136→278）； 2. 比CRA多证明29个安全程序（156→185），且新增找bug能力 |
| RQ3：GPS vs 顶尖工具？ | 对比SV-COMP 2024顶尖工具（VeriAbs/Symbiotic/CPAChecker） | 1. 总解决数：GPS 278 > VeriAbs 236 > Symbiotic 183； 2. 锁钥难题：GPS 57/57全解决，VeriAbs仅28/57； 3. 运行时间：GPS平均9675s，比Symbiotic（87358s）快8倍 |
2. 核心贡献总结
| 贡献类型 | 具体价值 |
|---|---|
| 理论贡献 | 1. 提出“摘要引导搜索”框架，结合静态分析与测试； 2. 证明GPS的“反驳完备性”； 3. 死端插值：首次用摘要生成覆盖无限路径的不变量 |
| 工程贡献 | 1. Tarjan算法对偶化：离线预计算摘要，提升效率； 2. gas instrumentation：低成本实现完备性 |
| 实践贡献 | 1. 解决SV-COMP中多数“长路径+输入依赖”难题； 2. 开源工具与基准，供后续研究使用 |
关键问题
Q1：GPS如何解决“锁钥难题”中“找不到关键输入”的问题？
A：靠“摘要引导测试生成”。静态分析生成的路径摘要会直接给出“触发bug的输入约束”（如EX-1中“k≥1000”），GPS用SMT求解器从摘要中提取“关键输入”（N=1000），不用随机试错，一次就能命中。
Q2：“死端插值”和传统不变量有什么区别？
A：传统不变量（如Impact算法）是“逐路径生成”，只能覆盖单条路径；死端插值是“基于摘要生成”，能覆盖所有延伸路径（比如“2|x”能证明所有“x为偶数”的路径都到不了“x=1”的错误），质量更高，减少重复计算。
Q3：为什么“gas instrumentation”能保证“反驳完备性”？
A：因为它强制“所有测试用例都有长度上限”（由gas决定），Explore子程不会陷入无限循环。GPS按“广度优先”处理前沿路径，只要有bug，总有一个gas值能覆盖错误路径的长度，且GPS会公平探索所有可能路径，最终一定能找到bug。
Q4：GPS相比传统模型检测（如Impact），为什么更快？
A：有两个关键原因：① 摘要剪枝：提前排除不可行路径，减少搜索空间；② 离线摘要：用Tarjan算法对偶化预计算所有“单目标摘要”，后续查询不用重复分析循环，节省时间；③ 两层搜索：深度优先执行测试+广度优先生成测试，平衡“深度”与“广度”，避免无效探索。
总结：GPS的“得与失”与未来方向
1. 核心优势
- 高效：摘要引导+剪枝，解决长路径、输入依赖bug的效率远超现有工具；
- 全能：既能证明程序安全（死端插值+ART），又能找bug（测试生成）；
- 可靠：gas instrumentation保证“反驳完备性”，只要有bug就一定能找到；
- 易用：开源工具+基准，可直接复用，支持线性整数算术（LIA）程序。
2. 现有局限
- 适用范围：目前仅支持“过程内程序”（无函数调用）和“线性整数算术”（无指针、数组）；
- 摘要精度：摘要的过近似可能导致“假阳性测试”（生成的测试到不了错误），需额外处理；
- 性能开销：不变量合成（死端插值+TryCover）会增加少量计算成本。
3. 未来方向
- 扩展到“跨过程程序”：结合Spacer等跨过程模型检测框架；
- 支持更复杂数据类型：如数组、指针、堆内存；
- 提升摘要精度：用更精准的代数程序分析技术（如非线性不变量）减少假阳性。