Proj THUDBFuzz Paper Reading: 南京大学软件分析课程2020, 02 Intermediate Representation

程序编译过程

源码首先经过Scanner/Lexer做词法分析成为token stream，接着，再经过parser做语法分析成为AST抽象语法树，对于大多数语言来说，接下来的一步是类型检查Type checker，然后，Translator将经过检查的Decorated AST转化为较底层的表示法IR，我们一般直接在IR上面做静态分析完成code optimization之类的功能，最后，code generator将优化之后的IR转化为底层machine code。

IR

中间表示Intermediate Representation。
通常与具体语言无关，控制流信息在IR中能够得到一定程度的表示。

AST与IR的区别

3-Address Code(3AC)

特点：一条指令中最多出现3个地址，右值只能有一个、
这里Address可以是：

1. Variable name: x, y
2. Constant: 3
3. Compiler-generated temporary: t1, t2
   如果有类似于x = 1 + 2 + 3的语句，就需要改为t1 = 1 + 2; x = t1 + 3;

Java Static Analysis Framework-Soot

IR: Jimple
https://github.com/soot-oss/soot


对于Helloworld类，可以通过java -cp soot-4.2.1-jar-with-dependencies.jar soot.Main -cp . -pp HelloWorld -f j
将编译后的源码转化为Jimple结构，可以看到Jimple结构还是根据java做了特化的。

class HelloWorld {
    public static void main(String[] args) {
        System.out.println("Hello, World!"); 
    }
}

class HelloWorld extends java.lang.Object
{

    void <init>()
    {
        HelloWorld r0;

        r0 := @this;

        specialinvoke r0.<init>();

        return;
    }

    public static void main(java.lang.String[])
    {
        java.io.PrintStream $r0;
        java.lang.String[] r1;

        r1 := @parameter0;

        $r0 = java.lang.System.out;

        $r0.println("Hello, World!");

        return;
    }
}

SSA

基本结构还是3AC Code，但SSA把每个赋值都视为产生新的变量
e.g:

对于这种情况下，translator就不明白x到底应该对应哪个分支的x，此时就引入phi-function。

优点：

• variable names中实际上有控制流图本身的信息。
• Define-and-Use Pairs是被直接定义出来了。

缺点：可能引入过多变量；使得翻译为机器码时效率下降。

Control Flow Analysis

Basic Blocks定义：
Basic blocks (BB) are maximal sequences of consecutive three-address instructions with the properties that

• It can be entered only at the beginning, i.e., the first instruction in the block
• It can be exited only at the end, i.e., the last instruction in the block

构建basic blocks

1. method中第一句
2. jump
3. jump目的地
   

能构建边的情况：

1. A能够jump到B
2. B在A后，A不是unconditional jump

此外，一般还要再加一个Entry，一个Exit

相关术语：
conditional/unconditional jump
predecessor, successor