Towards Analyzing N-language Polyglot Programs

기술 요약: N-언어 폴리글랏 프로그램 분석을 향하여

문제 정의
본 논문은 현재의 정적 분석 방법론이 가진 결정적인 한계점을 다룹니다. 즉, 세 개 이상의 프로그래밍 언어가 포함된 폴리글랏(polyglot) 프로그램을 효과적으로 처리하지 못한다는 점입니다. 기존 연구는 두 언어 간의 상호 운용성(예: Java-C, Java-JavaScript)에 대해서는 진전을 이루었으나, 현대의 시스템들은 점점 더 복잡한 체인을 활용하고 있습니다. 예를 들어, 안드로이드 하이브리드 애플리케이션(Java, JavaScript, WebAssembly)이나 웹 시스템(JavaScript, WebAssembly, Rust)과 같이 세 가지 언어가 얽힌 구조가 늘어나고 있습니다.

저자들은 두 언어 분석 기술을 세 개 이상의 언어로 확장하는 것이 단순히 공학적인 규모의 문제가 아니라, 근본적인 이론적 및 방법론적 격차라고 주장합니다. 세 언어 시스템에서는 데이터 흐름이 여러 런타임 추상화를 가로질러 이동하며, 이 과정에서 상호 의존성, 순환적 상호작용, 그리고 기존 프레임워크가 포착할 수 없는 "멀티 홉(multi-hop)" 의존성을 생성합니다. 구체적으로, 이러한 복잡성은 여러 언어 경계를 가로지르는 상호 고정점(mutual fixed points)을 계산해야 하는 필요성과, 체인 전반의 동적 상호작용을 고려하여 정밀한 인터프로시저럴 호출 그래프(inter-procedural call graphs)를 생성하는 데 따르는 어려움에서 비롯됩니다.

방법론 및 개념적 프레임워크
본 논문은 특정 구현 도구가 아닌 개념적 프레임워크를 제안합니다. 저자들은 다국어 프로그램을 세 가지 통신 모델로 분류합니다:

1. 모델 I (서로 다른 런타임): 호스트 언어가 FFI(Foreign Function Interface)를 통해 게스트 언어를 호출하며, 게스트 런타임이 호스트 내에 임베디드된 형태입니다.
2. 모델 II (공통 IR): 여러 언어가 하나의 공유 중간 표현(IR)으로 컴파일되어 단일 런타임 내에서 실행되는 형태입니다 (예: GraalVM, Java/Scala/Kotlin).
3. 모델 III (공유 라이브러리): 게스트 언어가 공유 라이브러리(예: JNI)로 컴파일되어 호스트와 링크되는 형태입니다.

저자들은 특히 세 언어 체인에 집중하며, 두 가지 주요 시나리오를 식별합니다:

• 하나의 호스트, 두 개의 게스트: 단일 호스트가 두 개의 서로 다른 게스트를 호출합니다.
• 두 개의 호스트, 두 개의 게스트 (핵심 초점): 언어 A(진입점)가 언어 B(중간 단계)를 호출하고, 언어 B가 다시 언어 C(하단 단계)의 호스트 역할을 수행하는 체인입니다. 여기서 중간 언어는 게스트인 동시에 호스트의 역할을 수행합니다.

이를 공식화하기 위해 저자들은 두 가지 추상 구성 요소를 가진 MiniDSL(Mini Domain Specific Language)을 도입합니다:

• FFI를 위한 추상 언어: 동적 게스트 실행을 위한 eval(program)과 호스트의 IR을 공유하는 저수준 호출인 asmcall(program)과 같은 구문을 포함합니다. 또한, 호스트의 메서드를 게스트에게 노출하는 공유 객체를 모델링하기 위해 BridgeVariables를 도입합니다.
• 추상 어셈블리 언어: 공통 IR 실행 모델을 나타냅니다.

본 논문은 확장성을 위한 주요 접근법으로 **요약 기반 정적 분석(Summary-Based Static Analysis)**을 분석합니다. 이는 통신 모델에 따라 두 가지 범주로 문제를 세분화합니다:

1. 브리지 변수(Bridge Variables)를 사용하는 경우: 분석은 언어 경계를 가로질러 함수 요약을 전파해야 합니다. 핵심 과제는 상호 고정점(Mutual Fixed Point) 문제로, 한 언어에서의 데이터 흐름 업데이트가 종속된 다른 언어들의 재평가를 요구하게 되어 수렴 과정에서 조합 폭발적 복잡성을 초래합니다.
2. 공통 IR을 사용하는 경우: 공유 IR은 일부 측면을 단순화하지만, 정밀한 **호출 그래프(Call Graph)**를 생성하는 것은 여전히 어렵습니다. 이는 특히 콜백과 동적 디스패치가 언어적 의미론을 가로질러 제어 흐름을 변경할 때, 제어 흐름 분석이 데이터 흐름 분석과 상호 재귀적으로 작동해야 함을 의미합니다.

주요 기여
본 논문의 주요 기여는 다음과 같습니다:

1. 지형 특징화(Landscape Characterization): 직접적인 FFI 호출, 공통 IR 실행, 공유 라이브러리 통합을 구분하여 세 언어 폴리글랏 시스템의 통신 모델을 정의했습니다.
2. 과제 식별: 다음과 같은 정적 분석의 장애물을 식별했습니다:
   • 여러 언어 경계에 걸친 상호 고정점 계산의 필요성.
   • 전체 재분석 없이 해결된 데이터 흐름을 **증분적으로 전파(incremental propagation)**하는 것의 어려움.
   • 경계 간 의존성(예: eval 호출 및 브리지 변수 메서드 호출)을 고려한 인터프로시저럴 호출 그래프 생성의 복잡성.
3. 연구 로드맵: 맞춤형 두 언어 도구에서 벗어나 통합된 언어 불가지론적(language-agnostic) 프레임워크로의 전환을 옹호하며 n-언어 분석에 대한 비전을 제시했습니다.

결과 및 주장
개념적 포지션 페이퍼로서, 본 연구는 실험적 결과, 벤치마크 또는 작동하는 프로토타입을 제시하지 않습니다. 대신, 그 "결과"는 열려 있는 연구 질문의 식별과 필요한 패러다임 전환의 명시입니다. 저자들은 다음과 같이 주장합니다:

• 세 언어 시스템은 창발적 의미론적 현상(예: 순환적 공유 변수, 창발적 데이터 흐름 변환)을 도입하며, 이는 기존의 두 언어 모델로는 포착할 수 없습니다.
• 현재의 두 언어 분석은 고립된 의미론적 경계에 의존하기 때문에, 멀티 홉 체인에서 발생하는 현상을 자연스럽게 확장하지 못합니다.
• 미래의 분석은 경계를 가로질러 작동하는 모듈형 요약 표현, 효율적인 수렴을 위한 증분적 고정점 알고리즘, 그리고 강력한 언어 기원을 유지하는 **중간 표현(IR)**을 향해 나아가야 합니다.

의의
본 논문의 의의는 연구 커뮤니티에 "n-언어" 문제를 해결하도록 촉구하는 데 있습니다. 저자들은 소프트웨어 분석의 미래가 각 언어를 고립시켜 분석하는 것이 아니라, 언어 간의 상호작용을 이해하는 데 달려 있다고 주장합니다. 멀티 홉 의존성과 상호 고정점을 다루는 데 있어 발생하는 이론적 격차를 강조함으로써, 저자들은 복잡한 폴리글랏 소프트웨어 시스템 전체를 추론할 수 있는 확장 가능한 언어 불가지론적 프레임워크를 향한 새로운 연구 방향을 자극하고자 합니다. 이 연구는 차세대 정적 분석 도구를 개발하기 위한 기초적인 개념적 지도를 제공합니다.