Graph Construction and Matching for Imperative Programs using Neural and Structural Methods
本文提出了一种流水线，通过将抽象语法树解析与语义嵌入相结合，将命令式程序及其注释转换为统一的、带类型的属性图，从而在不同语言和注释风格之间实现一致的图表示，以促进验证工件的复用。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你拥有一个庞大的图书馆，里面收藏着构建不同类型机器的操作手册。有些手册是用英语写的，有些用法语，还有些是用秘密代码编写的。即使两台机器执行完全相同的功能（例如“举起一个沉重的箱子”），由于使用的语言或具体的写作风格不同，它们的手册看起来可能截然不同。
问题是：当你需要构建一台新机器时，如何找到正确的手册进行复用？ 通常，人类必须阅读数百页内容才能找到匹配项，这既缓慢又令人沮丧。
本文提出了一种利用计算机图和人工智能来解决该问题的智能方法。以下是他们方法的分解，使用简单的类比说明：
1. 目标：在人群中寻找“双胞胎”
研究人员希望找到“验证工件”。你可以将它们理解为附加在软件程序上的蓝图、安全检查和质量保证。他们想知道：“这个新程序是否看起来像我们已经检查过的旧程序？”如果是，我们就可以复用旧的安全检查，而无需从头开始。
2. 挑战：不同语言，相同逻辑
本文考察了三种用于编写这些安全检查的“语言”：
- 带 ACSL 的 C 语言：就像在特定笔记本风格中写食谱。
- 带 JML 的 Java：就像用不同的笔记本写同一份食谱，但符号略有不同。
- Dafny（用于 C#）：就像直接将食谱写入烹饪说明中，而不使用单独的笔记本。
尽管它们完成相同的工作，但符号和单词看起来不同。计算机通常会被这些表面差异搞糊涂。
3. 解决方案：将代码转化为“分子模型”
研究人员不是阅读文字，而是将代码及其安全规则转化为3D 分子模型（他们称之为图）。
- 节点（原子）：程序的每一部分（如变量、循环或安全规则）都变成一个点。
- 边（键）：连接点的线条显示它们之间的关系（例如，“此变量输入到该循环”）。
这创建了程序结构的可视化地图。关键在于，他们不仅映射代码，还将安全规则（注释）直接映射到地图上。
4. 秘诀：赋予地图“大脑”
地图很好，但它不理解含义。两张地图可能在结构上相似，但含义不同。为了解决这个问题，研究人员使用AI 模型（具体为 SentenceTransformer 和 CodeBERT）来赋予地图一个“大脑”。
- 类比：想象给你的分子模型拍张照片，并通过一个超级智能的翻译器。AI 读取模型内部的文本，并生成一个数字指纹（向量），该指纹捕捉代码的含义，而不仅仅是形状。
- 现在，计算机可以比较 Java 程序的“指纹”与 C 程序的“指纹”。即使它们看起来不同，如果它们的指纹匹配，计算机就知道它们在本质上是一样的。
5. 流程：工厂流水线
本文描述了一个自动执行此过程的管道（流水线）：
- 输入：他们获取原始代码（C、Java 或 C#）。
- 翻译：他们使用脚本自动向代码添加安全规则（如果不存在），或将代码翻译成不同的语言。
- 图构建：他们将代码转化为那些“分子模型”（图）。
- AI 增强：他们使用 AI 为这些图生成“指纹”。
- 匹配：他们比较指纹。如果两个程序具有相似的指纹，它们就是匹配项。
6. 发现
他们在 56 个不同的程序（如排序列表或搜索数字）及其变体上测试了这种方法。
- 结果：该系统成功地为所有三种语言创建了这些图地图。
- 匹配：当他们比较这些程序时，系统正确识别出两个程序是“双胞胎”（相似度得分非常高），即使一个是用 C 语言编写的，另一个是用 Java 编写的。它还正确识别出排序程序和搜索程序不是双胞胎（相似度得分低）。
7. 缺陷（局限性）
作者诚实地指出了不足之处：
- “正则表达式”问题：该系统使用简单的模式匹配规则（如“查找和替换”工具）来构建图。它很快，但如果代码杂乱无章或写法怪异，系统可能会遗漏细节。
- AI 的知识：所使用的 AI 模型是通用型的。它们并非专门训练成为代码的“律师”。它们可能会遗漏人类专家能发现的非常细微的安全规则差异。
总结
简而言之，本文构建了一个用于软件安全检查的通用翻译器和匹配器。通过将代码及其规则转化为结构化地图，然后赋予这些地图AI 生成的含义，他们证明了计算机可以在不同的编程语言之间找到相似的软件。这是迈向未来的第一步，在这个未来中，我们可以自动复用安全检查，从而节省开发者的时间并使软件更安全。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。