데이터플로우 분석과 대형 언어 모델의 만남

데이터플로우 분석은 프로그램 값 사이의 종속성을 추론하는 강력한 코드 분석 기법으로, 코드 최적화, 프로그램 이해 및 버그 탐지에 도움을 줍니다. 기존 방법들은 주제 프로그램의 성공적인 컴파일과 하위 응용 프로그램을 위한 맞춤화가 필요합니다. 본 논문은 컴파일 인프라 없이 임의의 코드 조각을 분석하고 하위 응용 프로그램을 자동으로 합성하는 LLM 기반 데이터플로우 분석 프레임워크인 LLMDFA를 소개합니다. 요약 기반 데이터플로우 분석에서 영감을 받은 LLMDFA는 문제를 세 가지 하위 문제로 분해하고, Few-shot chain-of-thought 프롬프트와 도구 합성 등 여러 필수 전략으로 효과적으로 해결합니다. 평가 결과, 본 설계는 환각 현상을 완화하고 추론 능력을 향상시켜 벤치마크 프로그램에서 데이터플로우 관련 버그 탐지 시 높은 정밀도와 재현율을 달성하여 최신 산업 분석기를 포함한 최첨단 (클래식) 도구들을 능가함을 보여주었습니다.