孫家澤，易 剛，舒新峰

（1.西安郵電大學(xué) 計(jì)算機(jī)學(xué)院，西安 710121；2.西安郵電大學(xué) 陜西省網(wǎng)絡(luò)數(shù)據(jù)分析與智能處理重點(diǎn)實(shí)驗(yàn)室，西安 710121）

0 概述

隨著計(jì)算機(jī)硬件技術(shù)的更新迭代，多核處理器以及眾核處理器［1］被廣泛應(yīng)用，越來越多的開發(fā)人員使用并發(fā)編程來提高程序的性能，提升了程序的運(yùn)行速度、吞吐量和CPU 利用率。然而，并發(fā)程序內(nèi)部存在并發(fā)性和不確定性，這會(huì)導(dǎo)致并發(fā)程序出現(xiàn)死鎖［2］、數(shù)據(jù)競(jìng)爭(zhēng)［3］、原子性違背［4］、順序違背［5］等難以檢測(cè)和修復(fù)的問題。數(shù)據(jù)競(jìng)爭(zhēng)往往是引發(fā)其他并發(fā)問題的根本原因，在所有的并發(fā)缺陷問題中占較大比例，也是目前研究最多的一類問題［2］。如何有效地構(gòu)建多線程數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)模型、設(shè)計(jì)或改進(jìn)數(shù)據(jù)競(jìng)爭(zhēng)定位算法以及準(zhǔn)確識(shí)別多線程程序中的安全故障，是多線程并發(fā)程序安全性質(zhì)量保障亟待解決的問題，其影響到多核處理器在各個(gè)領(lǐng)域的普及與應(yīng)用。

針對(duì)數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)問題，國(guó)內(nèi)外已有較多研究成果。在動(dòng)態(tài)檢測(cè)方面，Djit+［6］基于發(fā)生序關(guān)系方法，使用向量時(shí)鐘對(duì)數(shù)據(jù)競(jìng)爭(zhēng)進(jìn)行分析，同時(shí)還包括FastTrack［7］、LOFT［8］和基于鎖集的檢測(cè)工具Eraser［9］。在靜態(tài)檢測(cè)方面，常用的檢測(cè)工具有RacerX［5］、LOCKSMITH［10］和RELAY［11］。此外，蔡彥等提出一種基于采樣的數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)方法來降低檢測(cè)的開銷，并開發(fā)了檢測(cè)工具AtexRace［12］，孫家澤等提出一種基于隨機(jī)森林的數(shù)據(jù)競(jìng)爭(zhēng)指令級(jí)檢測(cè)方法，并實(shí)現(xiàn)了AIRaceTest 檢測(cè)工具［13］。然而，這些檢測(cè)方法中仍存在誤報(bào)、漏報(bào)以及開銷大等問題。

本文基于數(shù)據(jù)挖掘分類模型可高效處理大量數(shù)據(jù)的特點(diǎn)，提出一種以語(yǔ)句對(duì)特征作為樣本集建立Adaboost［14］分類模型的方法，實(shí)現(xiàn)多線程程序數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具ADR。通過對(duì)被測(cè)程序進(jìn)行動(dòng)態(tài)插樁取樣并對(duì)插樁［15］結(jié)果進(jìn)行語(yǔ)句級(jí)轉(zhuǎn)化提取語(yǔ)句對(duì)特征，以此構(gòu)建數(shù)據(jù)競(jìng)爭(zhēng)Adaboost 檢測(cè)模型。由于數(shù)據(jù)競(jìng)爭(zhēng)最終都可以歸結(jié)到2 條線程交織［16］，因此本文分析來自2 條不同線程的語(yǔ)句對(duì)，以簡(jiǎn)化檢測(cè)過程。

1 數(shù)據(jù)競(jìng)爭(zhēng)語(yǔ)句級(jí)檢測(cè)算法

1.1 傳統(tǒng)數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)

在對(duì)被測(cè)程序進(jìn)行動(dòng)態(tài)插樁取樣時(shí)，需要取出指令的所在線程ID、指令的讀寫操作op 和指令所訪問的內(nèi)存地址memaddr。根據(jù)數(shù)據(jù)競(jìng)爭(zhēng)的定義，如果同時(shí)滿足以下3 個(gè)條件，則判定為數(shù)據(jù)競(jìng)爭(zhēng)：1）2 條指令或多條指令所在線程ID 不一樣；2）2 條指令或多條指令訪問的內(nèi)存地址一致；3）2 條指令或多條指令中至少有1 條指令的讀寫操作為寫操作。但在實(shí)際情況下，該判斷方法會(huì)帶來大量的漏報(bào)和誤報(bào)，因?yàn)椴煌€程存在確定先后關(guān)系，或者存在一個(gè)公共鎖以保證針對(duì)共享內(nèi)存空間的訪問不會(huì)發(fā)生數(shù)據(jù)沖突，在這種情況下會(huì)帶來大量的誤報(bào)。

1.2 基于語(yǔ)句對(duì)特征的數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)方法

針對(duì)傳統(tǒng)數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)方法誤報(bào)率高、檢測(cè)精度低的問題，本文提出一種基于語(yǔ)句對(duì)特征的數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)方法。首先對(duì)樣本程序集進(jìn)行插樁，提取出語(yǔ)句對(duì)的數(shù)據(jù)競(jìng)爭(zhēng)相關(guān)屬性，然后根據(jù)得到的數(shù)據(jù)集進(jìn)行模型訓(xùn)練，最后根據(jù)得到的分類模型對(duì)被測(cè)并發(fā)程序進(jìn)行數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)。本文采用的是集成分類模型。集成分類模型由若干單個(gè)分類器組成，相較于單一分類器而言，模型精度會(huì)更高。集成分類算法里最常用的是Adaboost 算法和隨機(jī)森林算法，Adaboost 相較于隨機(jī)森林而言，其各個(gè)弱分類器之間存在迭代關(guān)系，模型分類準(zhǔn)確率更高。因此，本文先采用Adaboost 算法建立模型，再利用建立好的模型進(jìn)行數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)。

本文方法的具體檢測(cè)過程如下：

1）訓(xùn)練過程

（1）設(shè)樣本并發(fā)程序P 的指令數(shù)為inscount，線程數(shù)為n，利用插樁工具Pin 對(duì)被測(cè)并發(fā)程序P 進(jìn)行動(dòng)態(tài)插樁，記錄指令的線程為ID tid，指令訪問的內(nèi)存地址為addr，指令的讀寫操作為op，指令的鎖集為lock。

（2）剔除掉無對(duì)應(yīng)原碼的指令以及來自同一條語(yǔ)句的指令，每一條語(yǔ)句僅保留一條指令，將指令級(jí)的插樁轉(zhuǎn)換成為語(yǔ)句級(jí)插樁。

（3）遍歷所有的語(yǔ)句對(duì)，提取出語(yǔ)句對(duì)中的Pm、Po、Pv、Pl、Pr這5 項(xiàng)數(shù)據(jù)競(jìng)爭(zhēng)相關(guān)屬性。

（4）提取特征Pm。語(yǔ)句對(duì)a-b的訪問地址分別為memaddr_a 和memaddr_b。如 果memaddr_a=memaddr_b，則Pm為1，反之Pm為0。

（5）提取特征Po。取出語(yǔ)句a對(duì)內(nèi)存讀寫模式op_a，取出語(yǔ)句b對(duì)內(nèi)存的讀寫模式op_b。如果op_a=op_b，則Po為1，反之Po為0。

（6）提取特征Pv。假設(shè)線程總數(shù)一定，該值為常量MmaxThreads，每一個(gè)線程維護(hù)一個(gè)向量時(shí)鐘，表示為stt[.]，擁有MmaxThreads條記錄。所有線程由［0，MmaxThreads-1］整數(shù)來表示。對(duì)于每一個(gè)索引u，stt［u］記錄當(dāng)線程u與線程t同步時(shí)線程u的本地時(shí)間。向量時(shí)鐘的更新過程如下：先將每一個(gè)線程的向量時(shí)鐘本地時(shí)間初始化為1：?t：stt[t]←1，?u：stu[u]←1。如果線程t釋放了同步對(duì)象，則stt[t]←stt[ ]t+1，如果線程u獲得一個(gè)由線程t釋放的同步對(duì)象，則線程u更新其向量時(shí)鐘，且每一個(gè)向量的值更新為此時(shí)線程t和線程u的向量的各個(gè)維度上的較大值：fori=0 toMmaxThreads-1：stu[i]←max(stu[i]，stt[i])。最 后，根據(jù)得到向量時(shí)鐘進(jìn)行偏序判斷，如果兩者之間滿足偏序關(guān)系，則Pv為1，反之Pv為0。

（7）提取特征Pl。對(duì)于共享變量v和讀寫鎖m，每次寫訪問變量v并持有鎖m時(shí)，將鎖m加入到write_locks_held(t)集合中，每次讀訪問變量v并持有鎖m時(shí)，將鎖m加入到locks_held(t)集合中。令locks_held(t)為線程t所持有的鎖，包括寫模式和讀模式。令locks_held(u)為線程u所持有的鎖，包括寫模式和讀模式。C(v)=locks_held(t)∩locks_held(u)，如果C(v)為空集，則Pl為1，反之Pl為0。

（8）提取特征Pr。根據(jù)樣本集已知的結(jié)果，如果該語(yǔ)句對(duì)發(fā)生數(shù)據(jù)競(jìng)爭(zhēng)則Pr為1，否則為0。

（9）模型訓(xùn)練。以Pm、Po、Pv、Pl為特征屬性，以Pr為標(biāo)簽屬性，訓(xùn)練Adaboost 模型。

訓(xùn)練過程的算法描述如下：

2）檢測(cè)過程

（1）提取被測(cè)并發(fā)線程Pm、Po、Pv、Pl特征屬性。

（2）利用訓(xùn)練好的Adaboost 模型對(duì)提取得到的屬性進(jìn)行分析，得到檢測(cè)檢測(cè)結(jié)果Pr。

（3）如果Pr為0，則發(fā)生數(shù)據(jù)競(jìng)爭(zhēng)，反之，則沒發(fā)生數(shù)據(jù)競(jìng)爭(zhēng)。

檢測(cè)過程的算法描述如下：

2 Adaboost 模型

本文通過Intel Pin 工具提取出語(yǔ)句對(duì)的特征樣本數(shù)據(jù)，并根據(jù)該樣本數(shù)據(jù)建立數(shù)據(jù)競(jìng)爭(zhēng)Adaboost 檢測(cè)模型。本節(jié)具體描述Adaboost 模型的建立過程。

2.1 數(shù)據(jù)采集

數(shù)據(jù)采集過程如下：

1）輸入多線程程序，使用Pin 工具進(jìn)行動(dòng)態(tài)插樁取樣。

2）記錄程序中該語(yǔ)句所在的線程ID tid。

3）記錄程序中該語(yǔ)句所訪問的內(nèi)存地址memaddr。

4）記錄程序中該語(yǔ)句所對(duì)應(yīng)的讀寫操作op。

5）記錄程序中該語(yǔ)句的鎖集lock。

6）程序中該語(yǔ)句所在線程的向量時(shí)鐘vectorclock。

7）記錄程序中該語(yǔ)句所在的行號(hào)。

8）輸出多線程程序語(yǔ)句的內(nèi)存信息。

表1 列出了從多線程程序中隨機(jī)抽取的5 條案例語(yǔ)句信息，其中：num 表示當(dāng)前語(yǔ)句的編號(hào)；op 表示當(dāng)前語(yǔ)句對(duì)內(nèi)存進(jìn)行的操作，‘R’表示讀操作，‘W’表示寫操作；memaddr 表示當(dāng)前語(yǔ)句訪問的內(nèi)存地址；line 表示當(dāng)前語(yǔ)句在被測(cè)程序中的所在行號(hào)；tid表示當(dāng)前語(yǔ)句所在的線程ID，其中主線程的tid 為0，子線程thrd1 的tid 為1，thrd2 的tid 為2，thrd3 的tid為3；locks 表示當(dāng)前指令收到的鎖保護(hù)情況，其中0表示無任何鎖保護(hù)；vectorclock 表示當(dāng)前語(yǔ)句的向量時(shí)鐘。

表1 多線程程序語(yǔ)句的內(nèi)存信息Table 1 Memory information of multithreading statement

對(duì)表1 中的數(shù)據(jù)進(jìn)行處理，提取出語(yǔ)句對(duì)的Pm、Po、Pv、Pl、Pr這5 項(xiàng)特征，如表2 所示。

表2 語(yǔ)句對(duì)數(shù)據(jù)數(shù)值化特征表Table 2 Eigenvalue table of statement pair

2.2 Adaboost 模型訓(xùn)練

Adaboost［14］算法的設(shè)計(jì)思想主要是針對(duì)同一訓(xùn)練集將其訓(xùn)練成不同的分類器并構(gòu)建在一起，最終形成一個(gè)更強(qiáng)的分類器。Adaboost 算法流程如圖1所示。首先，每輪迭代中會(huì)在新訓(xùn)練集上產(chǎn)生一個(gè)新的學(xué)習(xí)器。然后，使用該學(xué)習(xí)器對(duì)所有樣本進(jìn)行預(yù)測(cè)，以評(píng)估每個(gè)樣本的重要性。在每一次迭代時(shí)，會(huì)給每一個(gè)樣本賦予一個(gè)權(quán)重，根據(jù)每一次預(yù)測(cè)的準(zhǔn)確性進(jìn)行動(dòng)態(tài)調(diào)整，權(quán)重越高的樣本會(huì)在下一次訓(xùn)練過程中占越大的比重，即準(zhǔn)確性低的樣本會(huì)被著重關(guān)注。

圖1 Adaboost 算法流程Fig.1 Procedure of Adaboost algorithm

本文從Github［17］上選取5組多線程程序來訓(xùn)練Adaboost模型，取出的語(yǔ)句對(duì)經(jīng)整合后總數(shù)為60 8631。對(duì)整理得到的數(shù)據(jù)進(jìn)行預(yù)處理得到特征數(shù)據(jù)集TestUnity。在特征數(shù)據(jù)集TestUnity 上進(jìn)行Adaboost模型訓(xùn)練時(shí)，如果迭代次數(shù)n_estimators 設(shè)定得較低，必然導(dǎo)致模型精確度降低，但如果n_estimators 設(shè)定得較高，也會(huì)導(dǎo)致訓(xùn)練模型的開銷增大。因此，需要對(duì)其設(shè)定一個(gè)合適的值，使模型的精確度達(dá)到要求并且開銷最低。同時(shí)，如果決策樹最大深度max_depth 過大也會(huì)出現(xiàn)過擬合現(xiàn)象，影響模型精確度。

圖2 顯示了不同的決策樹深度隨著迭代次數(shù)的增加，其分類誤差率的變化趨勢(shì)，從中可以看出：當(dāng)max_depth=10 時(shí)，隨著迭代次數(shù)的增加，模型的分類誤差率無明顯變換，即泛化能力沒有增強(qiáng)，模型處于過擬合狀態(tài)；當(dāng)max_depth=1 時(shí)，迭代次數(shù)逐漸增加時(shí)，分類的誤差率也逐漸減少，同時(shí)其泛化能力也逐漸增強(qiáng)；但是當(dāng)n_estimators ≥90 時(shí)，模型的分類誤差率趨于平穩(wěn)，而當(dāng)max_depth=2時(shí)，其誤差率走勢(shì)與max_depth=1時(shí)相似，但其分類誤差率相對(duì)更低。由于在Adaboost模型中選定的弱學(xué)習(xí)器的復(fù)雜度很低，其決策深度一般設(shè)定在1 到2 之間，因此設(shè)定最優(yōu)的max_depth=2，而當(dāng)n_estimators ≥90 時(shí)，由于模型的分類誤差率趨于平穩(wěn)，隨著迭代次數(shù)繼續(xù)增加必然導(dǎo)致模型訓(xùn)練的開銷也會(huì)不斷增加，因此，本文設(shè)定最優(yōu)的n_estimators為90。

圖2 分類誤差率與迭代次數(shù)的關(guān)系Fig.2 Relationship between classification error rate and iteration times

3 實(shí)驗(yàn)與結(jié)果分析

本節(jié)通過一系列實(shí)驗(yàn)，驗(yàn)證所提方法的有效性。首先提出研究問題，然后介紹實(shí)驗(yàn)數(shù)據(jù)集，最后總結(jié)并分析實(shí)驗(yàn)結(jié)果。

3.1 研究問題

針對(duì)本文所提出的多線程程序數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具ADR，從以下2 個(gè)角度出發(fā)進(jìn)行有效性驗(yàn)證。

1）與Eraser、Djit+等數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具相比，ADR 檢測(cè)準(zhǔn)確率是否提升以及提升幅度。

2）與Eraser、Djit+等數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具相比，ADR 的檢測(cè)開銷是否有所降低。

3.2 實(shí)驗(yàn)數(shù)據(jù)集

由于目前沒有任何機(jī)構(gòu)或者研究人員發(fā)布數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)的精確數(shù)據(jù)集，因此本文選擇Github［17］上的1 組已知數(shù)據(jù)競(jìng)爭(zhēng)結(jié)果的多線程并發(fā)程序進(jìn)行插樁取樣，將插樁結(jié)果作為建立Adaboost 模型的訓(xùn)練集。

實(shí)驗(yàn)環(huán)境為Ubuntu19.04，處理器核心數(shù)為4，運(yùn)行內(nèi)存4 GB。選擇的驗(yàn)證測(cè)試程序來源如下：

1）為驗(yàn)證Adaboost 數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)模型的準(zhǔn)確性，在Google Code的data-race-test［18］測(cè)試集中篩選出50組多線程并發(fā)程序組成一個(gè)測(cè)試程序TestCodes進(jìn)行驗(yàn)證。

2）為驗(yàn)證Adaboost 數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)模型的時(shí)間開銷和內(nèi)存開銷，選擇SPLASH-2 基本套件［19］中的2 組程序和Parsec 基準(zhǔn)程序3.1［20］中的3 組程序來進(jìn)行驗(yàn)證。具體如表3 所示。

表3 測(cè)試程序信息Table 3 Information of test programs

3.3 實(shí)驗(yàn)過程

ADR 體系結(jié)構(gòu)如圖3 所示，主要由模型構(gòu)建模塊和模型預(yù)測(cè)模塊這2 部分組成。本文首先利用樣本程序的插樁結(jié)果訓(xùn)練得到Adaboost 分類模型，然后利用建立好的分類器對(duì)待測(cè)程序進(jìn)行數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)。

圖3 ADR 體系結(jié)構(gòu)Fig.3 Architecture of ADR

將ADR 與Eraser、Djit+和Thread Sanitizer 這3 種種動(dòng)態(tài)數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具進(jìn)行對(duì)比實(shí)驗(yàn)。Eraser、Djit+和Thread Sanitizer分別使用的檢測(cè)算法是Happen-Before、Lockset 和Happen-Before+Lockset 混 合 算 法。

3.4 檢測(cè)精度分析

由于TestCodes 程序由多個(gè)小程序示例組成，因此每個(gè)小程序示例可能存在零個(gè)或者多個(gè)數(shù)據(jù)競(jìng)爭(zhēng)。本文定義以下3 個(gè)指標(biāo)來衡量檢測(cè)精度：數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)的誤報(bào)數(shù)FP，數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)的正確數(shù)TP，數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)的漏報(bào)數(shù)FN。4 種檢測(cè)工具對(duì)TestCodes 程序的數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)結(jié)果如圖4 所示，已知TestCodes 中真實(shí)存在的數(shù)據(jù)競(jìng)爭(zhēng)次數(shù)為80。

圖4 不同數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具的檢測(cè)精度Fig.4 Detection accuracy of different detection tools

從TP 值上來對(duì)比分析。ADR 檢測(cè)出到79 次數(shù)據(jù)競(jìng)爭(zhēng)，其檢測(cè)準(zhǔn)確度最高。Djit+容易受到線程調(diào)度的影響，所以漏報(bào)較多，Eraser 與Thread Sanitizer 由于是在原碼級(jí)別進(jìn)行的判斷，會(huì)遺漏部分?jǐn)?shù)據(jù)競(jìng)爭(zhēng)。ADR采用的Adaboost分類模型是由若干個(gè)弱分類器組合而成，而且各個(gè)弱分類器之間存在迭代關(guān)系，使模型分類準(zhǔn)確率更高。

從FP 值上來對(duì)比分析。因?yàn)镋raser 對(duì)很多確定性同步語(yǔ)句未進(jìn)行處理，所以其誤報(bào)數(shù)最多。Dijt+由于其使用的算法是Happen-Before，而ADR 是在語(yǔ)句級(jí)上進(jìn)行的實(shí)驗(yàn)，剔除了重復(fù)以及無對(duì)應(yīng)原碼的指令信息，因此降低了檢測(cè)的誤報(bào)數(shù)。

3.5 檢測(cè)開銷分析

本文選取SPLASH-2 基本套件中的radix、fft 程序和Parsec 基準(zhǔn)程序3.1 中的streamcluster、deup、x264 組成一個(gè)測(cè)試程序集，它們的線程數(shù)量呈遞增模式，分別為5、11、17、25、64，對(duì)Eraser、Djit+、Thread Sanitizer 與ADR 檢測(cè)工具進(jìn)行時(shí)間開銷與內(nèi)存開銷方面的對(duì)比，如圖5 和圖6 所示。

圖5 不同數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具的檢測(cè)時(shí)間開銷Fig.5 Comparison of detection runtime overhead of different detection tools

圖6 不同數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具的檢測(cè)內(nèi)存開銷Fig.6 Comparison of detection memory overhead of different detection tools

由圖5 可以看出，Thread Sanitizer的檢測(cè)時(shí)間開銷最大，Djit+的時(shí)間開銷僅次于Thread Sanitizer。這是因?yàn)門hread Sanitizer和Djit+使用的都是Happen-Before算法，當(dāng)線程數(shù)量很多時(shí)，在各個(gè)線程之間狀態(tài)切換非常麻煩，增加了時(shí)間的開銷，且Thread Sanitizer 還需要判斷鎖集的狀態(tài)，所以時(shí)間開銷最大。ADR 通過高效處理大量數(shù)據(jù)建立檢測(cè)模型加快了檢測(cè)的速度，使檢測(cè)的時(shí)間開銷更小。綜合檢測(cè)數(shù)據(jù)可知，ADR 檢測(cè)的時(shí)間開銷相比于其他檢測(cè)方法降低約29.3%。

由圖6 可以看出，Thread Sanitizer 相比于其他的檢測(cè)方法，其檢測(cè)的內(nèi)存開銷最大。這是因?yàn)門hread Sanitizer 保存了所有并發(fā)歷史訪問的鎖集和向量時(shí)鐘，而Djit+保留了所有的歷史訪問的向量時(shí)鐘，因此，Thread Sanitizer產(chǎn)生的內(nèi)存開銷最大。ADR 為語(yǔ)句級(jí)檢測(cè)，在對(duì)待測(cè)程序進(jìn)行插樁取樣時(shí)，每一條語(yǔ)句僅保留一條指令，只需要記錄各個(gè)線程在內(nèi)存中的狀態(tài)信息，剔除掉了無對(duì)應(yīng)原碼的指令，降低了內(nèi)存開銷。綜合檢測(cè)數(shù)據(jù)可知，ADR 檢測(cè)所產(chǎn)生的內(nèi)存開銷相比于其他檢測(cè)方法降低約21.1%。

4 結(jié)束語(yǔ)

本文提出一種基于語(yǔ)句對(duì)特征的數(shù)據(jù)競(jìng)爭(zhēng)方法。利用插樁工具Pin 對(duì)被測(cè)并發(fā)程序進(jìn)行動(dòng)態(tài)插樁，記錄指令的相關(guān)內(nèi)存信息。在此基礎(chǔ)上，通過對(duì)指令信息進(jìn)行過濾操作，將指令級(jí)插樁轉(zhuǎn)換成語(yǔ)句級(jí)插樁，然后根據(jù)樣本數(shù)據(jù)集建立數(shù)據(jù)競(jìng)爭(zhēng)Adaboost 模型，對(duì)被測(cè)程序進(jìn)行數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)，并基于此模型實(shí)現(xiàn)數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)工具ADR。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效降低漏報(bào)率與誤報(bào)率，同時(shí)檢測(cè)過程不受線程調(diào)度的影響，可減少檢測(cè)的時(shí)間開銷和內(nèi)存開銷，提高檢測(cè)效率。后續(xù)將在數(shù)據(jù)采集過程中引入采樣策略，減少樣本的數(shù)據(jù)量，從而進(jìn)一步減少數(shù)據(jù)競(jìng)爭(zhēng)檢測(cè)的內(nèi)存消耗，優(yōu)化數(shù)據(jù)競(jìng)爭(zhēng)的檢測(cè)效率。此外，在基于語(yǔ)句對(duì)特征的數(shù)據(jù)競(jìng)爭(zhēng)方法中融入更優(yōu)的采樣策略，也將是下一步的研究方向。