구조 분석 포인트투 연산을 통한 형태 정보

초록

이 논문은 포인트투 스타일의 전이 함수를 사용하면서도 형태 분석의 풍부한 추상 도메인을 결합한 하이브리드 메모리 분석인 “Structural Analysis”를 제안한다. 약한 업데이트와 집합 기반 연산을 통해 확장성을 확보하면서도 객체 공유·연결·구조 특성을 정밀히 포착한다. .Net 바이트코드 구현을 바탕으로 대규모 실험을 수행했으며, 30K 이상의 바이트코드 프로그램을 65초 이하, 메모리 130 MB 이하로 분석한다. 결과는 기존 포인트투 분석보다 표현력·정밀도·성능 모두에서 우수함을 보여준다.

상세 분석

Structural Analysis는 기존 형태 분석과 포인트투 분석 사이의 장점을 융합한 새로운 추상 도메인을 설계한다. 형태 분석은 그래프 기반의 추상 힙을 사용해 객체 간 연결 구조와 공유 패턴을 정밀히 기술하지만, 전이 함수가 복잡하고 비용이 많이 든다. 반면 포인트투 분석은 변수와 힙 객체 사이의 단순한 관계를 집합 형태로 유지해 빠르고 확장성이 뛰어나지만, 구조적 정보(예: 리스트, 트리, DAG)의 표현이 제한적이다. 본 논문은 이러한 딜레마를 해결하기 위해 “구조적 포인트투”라는 개념을 도입한다. 핵심 아이디어는 객체를 “노드 타입”(예: 단일, 리스트, 트리, 사이클)과 “연결 라벨”(필드)로 분류하고, 각 변수·필드 조합에 대해 가능한 노드 집합을 유지하는 것이다.

전이 함수는 약한 업데이트(weak update) 방식을 채택한다. 즉, 할당문이 발생하면 기존 집합에 새 객체를 추가하는 형태로 처리해, 오버라핑된 객체에 대한 정확한 파괴를 피한다. 이는 분석이 지나치게 보수적으로 되지 않게 하면서도, 복잡한 재분석 없이도 충분히 정밀한 결과를 얻을 수 있게 한다. 또한, 집합 연산을 기반으로 하여 구현이 단순하고, 데이터 흐름 분석 단계에서의 비용이 선형에 가깝다.

형태 정보는 세 가지 축으로 표현된다. 첫째, 연결성(Connectivity) – 객체가 어떤 필드를 통해 다른 객체와 연결되는지; 둘째, 형태(Shape) – 연결된 서브그래프가 리스트, 트리, DAG, 사이클 중 어느 형태에 해당하는지; 셋째, 공유(Sharing) – 동일 객체가 여러 변수·필드에 의해 참조되는 정도. 이러한 속성은 각각 독립적인 추상 요소로 모델링되며, 조합될 때 복합적인 힙 구조를 정확히 기술한다. 예를 들어, 두 변수 a와 b가 같은 리스트 헤드 객체를 가리키는 경우, 공유 정보가 “다중 참조”로 표시되고, 리스트 형태는 “단일 연결 리스트”로 유지된다.

인터프로시저 분석을 위해 논문은 요약 함수(summary function) 를 정의한다. 각 메서드에 대해 입력 변수와 출력 변수, 그리고 메서드 내부에서 발생할 수 있는 힙 변형을 요약한다. 요약은 호출 시점에 실제 힙 상태와 결합돼, 호출 컨텍스트에 맞는 정밀한 전이를 제공한다. 요약 생성 과정에서도 약한 업데이트를 적용해, 메서드 내부에서 발생할 수 있는 모든 가능한 힙 변화를 과도하게 확장하지 않는다.

실험에서는 .Net 바이트코드 프로그램 12개(표준 벤치마크와 실제 애플리케이션)를 대상으로 분석 비용과 정밀도를 측정했다. 평균 실행 시간은 48초, 메모리 사용량은 112 MB였으며, 정밀도는 기존 포인트투 분석 대비 30 %~45 % 향상되었다. 특히, 리스트와 트리 구조를 정확히 인식하고, 공유 객체를 식별하는 데 있어 거의 완벽에 가까운 결과를 보였다. 이는 약한 업데이트에도 불구하고, 형태 정보를 충분히 보존할 수 있음을 입증한다.

결과적으로, Structural Analysis는 표현력(복잡한 힙 구조 기술), 정밀도(공유·형태 구분 정확도), 확장성(대규모 코드베이스에 대한 빠른 분석) 세 축을 모두 만족시키는 새로운 메모리 분석 패러다임을 제시한다. 이는 최적화(예: 메모리 레이아웃 재배치, 객체 풀링)와 오류 탐지(예: 누수, 잘못된 공유) 등 다양한 정적 분석 응용에 바로 활용될 수 있다.