Papers
Topics
Authors
Recent
Gemini 2.5 Flash
Gemini 2.5 Flash
156 tokens/sec
GPT-4o
7 tokens/sec
Gemini 2.5 Pro Pro
45 tokens/sec
o3 Pro
4 tokens/sec
GPT-4.1 Pro
38 tokens/sec
DeepSeek R1 via Azure Pro
28 tokens/sec
2000 character limit reached

Parallel Program Analysis on Path Ranges (2402.11938v2)

Published 19 Feb 2024 in cs.SE

Abstract: Symbolic execution is a software verification technique symbolically running programs and thereby checking for bugs. Ranged symbolic execution performs symbolic execution on program parts, so called path ranges, in parallel. Due to the parallelism, verification is accelerated and hence scales to larger programs. In this paper, we discuss a generalization of ranged symbolic execution to arbitrary program analyses. More specifically, we present a verification approach that splits programs into path ranges and then runs arbitrary analyses on the ranges in parallel. Our approach in particular allows to run different analyses on different program parts. We have implemented this generalization on top of the tool CPAchecker and evaluated it on programs from the SV-COMP benchmark. Our evaluation shows that verification can benefit from the parallelisation of the verification task, but also needs a form of work stealing (between analyses) as to become efficient

Definition Search Book Streamline Icon: https://streamlinehq.com
References (109)
  1. doi:10.1007/978-3-030-61362-4\_8.
  2. doi:10.1145/3510003.351006.
  3. doi:10.1145/3180155.3180259.
  4. doi:10.1007/978-3-642-32759-9\_13.
  5. doi:10.1007/978-3-030-71500-7\_6.
  6. doi:10.1007/978-3-030-16722-6\_23.
  7. doi:10.1145/1062455.1062533.
  8. doi:10.1007/978-3-662-46675-9\_7.
  9. doi:10.1007/978-3-662-49122-5_16.
  10. doi:10.1145/2393596.2393664.
  11. doi:10.1145/1831708.1831732.
  12. doi:10.1145/2950290.2950351.
  13. doi:10.1007/978-3-642-22110-1\_16.
  14. SV-Benchmarks Community, SV-Benchmarks (2023). URL https://gitlab.com/sosy-lab/benchmarking/sv-benchmarks/-/tree/svcomp23
  15. doi:10.1007/978-3-031-30826-0\_11.
  16. doi:10.1007/978-3-540-73368-3\_51.
  17. doi:10.1109/ASE.2008.13.
  18. doi:10.1007/978-1-4612-3228-5.
  19. doi:10.1145/2786805.2786867.
  20. doi:10.1145/3477579.
  21. doi:10.1007/978-3-642-37057-1\_11.
  22. doi:10.1145/2491411.2491429.
  23. doi:10.1007/978-3-030-99524-9\_31.
  24. doi:10.5281/zenodo.8398988.
  25. doi:10.1007/978-3-031-47115-5\_9.
  26. doi:10.1007/10722167\_15.
  27. doi:10.1145/360248.360252.
  28. doi:10.1145/503272.503279.
  29. doi:10.1145/964001.964021.
  30. doi:10.1007/s10817-017-9432-6.
  31. doi:10.1007/s10009-017-0469-y.
  32. doi:10.1109/ASE.2011.6100119.
  33. doi:10.1145/2804322.2804325.
  34. doi:10.1007/978-3-642-02614-0\_10.
  35. doi:10.1145/3092703.3092715.
  36. doi:10.1007/978-3-030-17502-3\_22.
  37. doi:10.1007/978-3-030-81685-8\_9.
  38. doi:10.1109/ISSRE.2013.6698889.
  39. doi:10.1007/978-3-319-77935-5\_28.
  40. doi:10.1007/978-3-642-33119-0\_16.
  41. doi:10.1007/3-540-47910-4\_21.
  42. doi:10.1016/S0065-2458(08)60520-3.
  43. doi:10.1007/978-3-030-03421-4_11.
  44. doi:10.1145/3121257.3121262.
  45. doi:10.1007/978-3-319-21690-4_39.
  46. doi:10.1109/ICSTW.2015.7107442.
  47. doi:10.1109/ICSE.2015.71.
  48. doi:10.1007/s10515-020-00270-x.
  49. doi:10.1145/2597073.2597080.
  50. doi:10.1007/978-3-662-46681-0\_34.
  51. doi:10.1007/978-3-319-89963-3\_30.
  52. doi:10.1145/2245276.2231980.
  53. doi:10.1145/3468264.3468626.
  54. doi:10.1007/11804192_7.
  55. doi:10.1145/1985793.1985971.
  56. doi:10.1145/2338965.2336789.
  57. doi:10.1109/ASE.2008.29.
  58. doi:10.1007/978-3-030-31784-3\_11.
  59. doi:10.1007/978-3-030-79379-1\_6.
  60. doi:10.1007/978-3-319-67549-7\_4.
  61. doi:10.1145/2884781.2884843.
  62. doi:10.1145/3106237.3106249.
  63. doi:10.1109/ICSE-Companion.2019.00032.
  64. doi:10.1145/1138912.1138916.
  65. doi:10.1007/978-3-642-28756-5_12.
  66. doi:10.1145/2568225.2568293.
  67. doi:10.1145/1390630.1390634.
  68. doi:10.1109/SCAM.2016.26.
  69. doi:10.1145/1706299.1706307.
  70. doi:10.1145/1181775.1181790.
  71. doi:10.1145/3368089.3409765.
  72. doi:10.1109/ASE.2008.40.
  73. doi:10.1109/ICSE.2007.41.
  74. doi:10.1145/3213846.3213868.
  75. doi:10.1145/1146238.1146255.
  76. doi:10.1007/978-3-642-24690-6\_26.
  77. doi:10.1145/2338965.2336763.
  78. doi:10.1007/978-3-319-49052-6\_13.
  79. doi:10.1109/ASE.2008.9.
  80. doi:10.1109/ICSE.2019.00074.
  81. doi:10.1007/978-3-319-21690-4_42.
  82. doi:10.1145/567752.567778.
  83. doi:10.1007/978-3-540-77505-8_23.
  84. doi:10.1145/1065010.1065036.
  85. doi:10.1145/3377811.3380363.
  86. doi:10.1145/1287624.1287645.
  87. doi:10.1109/ICSE48619.2023.00116.
  88. doi:10.1007/978-3-030-63406-3\_7.
  89. doi:10.1007/s11334-019-00331-9.
  90. doi:10.1145/2382756.2382799.
  91. doi:10.1145/3332466.3374529.
  92. doi:10.1109/ASE.2017.8115686.
  93. doi:10.1007/978-3-319-89963-3\_15.
  94. doi:10.1007/978-3-030-32304-2\_13.
  95. doi:10.1145/1966445.1966463.
  96. doi:10.1145/1713254.1713257.
  97. doi:10.1109/CBD.2013.31.
  98. doi:10.1145/3338906.3338915.
  99. doi:10.1145/2830719.2830729.
  100. doi:10.1145/3238147.3238195.
  101. doi:10.1007/3-540-63166-6\_26.
  102. doi:10.1007/3-540-48234-2\_3.
  103. doi:10.1007/3-540-45139-0\_14.
  104. doi:10.1109/ASE.2003.1240299.
  105. doi:10.1016/j.entcs.2004.10.016.
  106. doi:10.1007/978-3-319-66197-1\_8.
  107. doi:10.1145/3238147.3240481.
  108. doi:10.1007/978-3-031-50524-9\_3.
  109. doi:10.1007/978-3-642-39799-8_2. URL https://doi.org/10.1007/978-3-642-39799-8˙2

Summary

We haven't generated a summary for this paper yet.

Ai Sparkles Streamline Icon: https://streamlinehq.com Summarize Now
X Twitter Logo Streamline Icon: https://streamlinehq.com

Tweets