论文代码 https://github.com/petablox/arbitrar
摘要
软件api表现出丰富的多样性和复杂性，这不仅使它们成为编程错误的常见来源，而且阻碍了程序分析工具对它们进行检查。这类工具要么要求精确的API规范，这需要程序分析专家，要么假定正确的API用法遵循简单的习惯用法，可以从代码中自动挖掘，但准确性较差。我们提出了一种新的方法，允许普通程序员发现API的误用。我们的方法与用户交互，对每个目标API方法的有效和无效用法进行分类。它通过使用一种主动学习算法，根据API的无效可能性对其使用进行排序，从而最小化用户负担。我们在一个名为ARBITRAR的C/ c++程序工具中实现了我们的方法，并将其应用于21个大型实际程序(包括OpenSSL和Linux Kernel)中检查18种API方法的使用情况。在每一种API方法的平均3轮用户交互中，ARBITRAR发现了40个新的漏洞，其中18个被接受了补丁。此外，ARBITRAR可以在一个包含92个bug的基准套件中找到由先进工具APISAN报告的所有已知bug，其假阳性率仅为51.5%，而APISAN的假阳性率为87.9%。
问题
用于检查API误用的工具要么要求精确的API规范，这需要程序分析专家，要么假定正确的API用法遵循简单的习惯用法，可以从代码中自动挖掘，但准确性较差。
本文工作
在本文中，我们提出了一个基于**最大偏差核密度估计(MD-KDE)**的交互式工具ARBITRAR，该工具用于发现API误用错误，这是一种新的主动学习方法。与现有方法不同?