✨Neuigkeiten
- Unser Paper „When Absence Speaks: A Null-Aware Approach for Taint Analysis“ wurde von ICSE'27 angenommen. Diese Arbeit stellt einen einfachen, aber effektiven Ansatz zur Wiederherstellung fehlender Taint-Flows vor, der die Fähigkeit von Tai-e zur Erkennung von Schwachstellen in der allgemeinen Java-Taint-Analyse erheblich verbessert.
- Unser Paper „Heap Abstraction via Early-Confluent Object Merging for Pointer Analysis“ wurde von OOPSLA'26 angenommen. Diese Arbeit stellt Valve vor, eine neuartige Heap-Abstraktionstechnik, die die Pointer-Analyse erheblich beschleunigt und dabei hohe Präzision beibehält.
- Release v0.5.4:
- Tai-e wird mit einem neuen Frontend ausgeliefert, das eine schnellere und zuverlässigere Konvertierung von Java-Programmen in Tai-e IR bietet.
- Die Analyse von Android-Apps wird durch ein PacDroid-basiertes Plugin unterstützt, das in die Pointer-Analyse integriert ist.
- Die Analyse von Spring DI und WEC wird durch das Spring-Analyse-Plugin unterstützt.
- Unser Paper „Two Approaches to Fast Bytecode Frontend for Static Analysis“ wurde von OOPSLA'25 angenommen. Dieses Paper stellt das neue Bytecode-Frontend von Tai-e vor, das deutlich schneller und zuverlässiger ist als bestehende Frontends.
- Unser Paper „Pointer Analysis for Database-Backed Applications“ wurde von PLDI'25 angenommen. Dieses Paper beschreibt eine End-to-End-Pointer-Analyse für Java-Anwendungen mit Datenbankanbindung, die auf Tai-e aufbaut.
- Unser Paper „PacDroid: A Pointer-Analysis-Centric Framework for Security Vulnerabilities in Android Apps“ wurde von ICSE'25 angenommen. Diese Arbeit demonstriert die neue Fähigkeit von Tai-e in der Android-Analyse und bietet einen einfachen, aber effektiven Ansatz für die Sicherheitsanalyse von Apps. Diese Arbeit erhielt den Best Artifact Award🏅.
- Unser Paper „Bridge the Islands: Pointer Analysis for Microservice Systems“ wurde von ISSTA'25 angenommen. Dieses Paper beschreibt die erste Pointer-Analyse für Java-Microservice-Systeme, die auf Tai-e aufbaut.
- Unser Paper „Interactive Cross-Language Pointer Analysis for Resolving Native Code in Java Programs“ wurde von ICSE'25 angenommen. Dies ist die erste sprachübergreifende Pointer-Analyse zwischen Java und C. Diese Arbeit gewann den Distinguished Paper Award🏅.
- Unser Paper „Context Sensitivity without Context: A Cut-Shortcut Approach to Fast and Precise Pointer Analysis“ wurde von PLDI'23 angenommen. Dies ist die erste veröffentlichte Forschungsarbeit, die auf Tai-e aufbaut.
- Unser Paper „Tai-e: A Developer-Friendly Static Analysis Framework for Java by Harnessing the Good Designs of Classics“ wurde von ISSTA'23 angenommen. Dieses Paper beschreibt die Designs der Hauptkomponenten von Tai-e.
Inhaltsverzeichnis
Was ist Tai-e?
Tai-e (chinesisch: 太阿; Aussprache: [ˈtaɪə:]) ist ein neues statisches Analyseframework für Java (siehe unser ISSTA 2023-Paper für Details), das wohl die „besten“ Designs sowohl aus unseren neu vorgeschlagenen Ansätzen als auch aus denen klassischer Frameworks wie Soot, WALA, Doop und SpotBugs vereint.
Tai-e ist leicht zu erlernen, einfach zu verwenden, effizient und hochgradig erweiterbar, sodass Sie problemlos neue Analysen darauf aufbauen können.
Derzeit bietet Tai-e die folgenden Hauptanalysekomponenten (weitere Analysen sind in
Arbeit):
- Leistungsfähiges Framework für Pointer-Analyse
- On-the-fly-Konstruktion des Aufrufgraphen
- Verschiedene klassische und fortgeschrittene Techniken der Heap-Abstraktion und Kontextsensitivität für die Pointer-Analyse
- Erweiterbares Analyse-Plugin-System (ermöglicht die bequeme Entwicklung und Hinzufügung neuer Analysen, die mit der Pointer-Analyse interagieren)
- Konfigurierbare Sicherheitsanalyse
- Taint-Analyse, die die Konfiguration von Sources, Sinks, Taint-Transfers und Sanitizern ermöglicht
- Erkennung verschiedener Informationslecks und Injection-Schwachstellen
- Verschiedene Abwägungen zwischen Präzision und Effizienz (profitieren vom Pointer-Analyse-Framework)
- Verschiedene grundlegende/Hilfsanalysen
- Grundlegende Analysen, z. B. Reflection-Analyse und Exception-Analyse
- Analysen moderner Sprachfunktionen, z. B. Lambda- und Method-Reference-Analyse sowie invokedynamic-Analyse
- Hilfswerkzeuge wie Analyse-Timer, Constraint-Checker (zum Debuggen) und verschiedene Graph-Dumper
- Framework für Kontroll-/Datenflussanalyse
- Konstruktion des Kontrollflussgraphen
- Klassische Datenflussanalysen, z. B. Live-Variablen-Analyse, Konstantenpropagierung
- Ihre Datenflussanalysen
- SpotBugs-ähnliches Fehlererkennungssystem
- Fehlerdetektoren, z. B. Null-Pointer-Detektor, Detektor für fehlerhaftes
clone()
- Ihre Fehlerdetektoren
Tai-e ist in Java entwickelt und kann auf wichtigen Betriebssystemen einschließlich Windows, Linux und macOS ausgeführt werden.
Als Höflichkeit gegenüber den Entwicklern erwarten wir, dass Sie bitte das Paper zitieren, das das Tai-e-Framework beschreibt, aus der ISSTA 2023 in Ihrer Forschungsarbeit:
Tian Tan and Yue Li. 2023.
Tai-e: A Developer-Friendly Static Analysis Framework for Java by Harnessing the Good Designs of Classics.
In Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA '23), July 17–21, 2023, Seattle, WA, USA (pdf, bibtex).
Wie erhält man ein ausführbares Tai-e?
Der empfohlene Weg ist, das Distributions-ZIP von GitHub Releases herunterzuladen.
Das ZIP enthält Tai-e, alle Laufzeitabhängigkeiten, Offline-Dokumentation und Startskripte für Windows, Linux und macOS.
Alternativ können Sie das neueste Tai-e selbst aus dem Quellcode erstellen. Dies kann einfach über Gradle erfolgen (stellen Sie sicher, dass Java 17 (oder eine höhere Version) auf Ihrem System verfügbar ist):
./gradlew distZip
Das Distributions-ZIP wird in tai-e/build/distributions/ erzeugt.
Nach dem Extrahieren starten Sie Tai-e über das Startskript:
# on Linux/macOS
./tai-e-<version>/bin/tai-e -h
# on Windows
.\tai-e-<version>\bin\tai-e.bat -h
Für Kompatibilität mit älteren Releases und Skripten stellt Tai-e weiterhin ein Legacy-All-in-One-JAR bereit: