计算机软件新技术国家重点实验室

摘 要：

编译器缺陷是十分有害的，但是却难以调试，其主要原因是编译器缺陷往往提供非常少的调试信息。给定一个触发编译器缺陷的测试程序，上百个编译器文件会在编译该程序的过程中被执行到，所有这些被执行到的编译器文件均是可疑文件。尽管已经有大量的自动化缺陷定位技术被提出，但由于编译器自身的复杂性和规模庞大的特性，这些技术均无法适用于编译器缺陷定位。为了解决该问题，我们将编译器缺陷定位问题转化为搜索问题，即搜索一组有效的证人测试程序，来帮助消除无辜文件的嫌疑，从而定位根因文件。基于该思路，我们提出第一种针对编译器缺陷的自动定位技术——DiWi。具体来说，我们设计一组证人化变异规则，并提出启发式搜索策略，基于触发缺陷的测试程序生成一组有效的证人测试程序，然后通过对比触发缺陷的测试程序与该组证人测试程序的测试覆盖信息的差异，来帮助识别根因文件。我们将该技术应用在GCC和LLVM编译器的90个真实缺陷上，实验结果表明，66.67%/78.89%的缺陷的根因文件能够被排在所有可疑文件的前10/20位，显著超过了已有技术。

陈俊洁，天津大学智能与计算学部长聘副教授。2019年7月于北京大学信息科学技术学院获得博士学位，获得2019年CCF优秀博士学位论文奖、北京大学优秀博士学位论文奖。主要研究领域为软件分析与测试，具体包括编译器测试、深度学习系统测试，以及智能运维等。近五年共发表学术论文20余篇，其中CCF A类论文10余篇，涵盖软件工程领域全部CCF A类会议以及CCF A类期刊TSE，获得ASE 2019 ACM SIGSOFT Distinguished Paper Award和ISSTA 2019 ACM SIGSOFT Distinguished Paper Award；入选微软铸星计划；担任多个国际会议程序委员会成员。

地点：计算机科学与技术楼230室