✨Noticias
- Nuestro artículo "When Absence Speaks: A Null-Aware Approach for Taint Analysis" ha sido aceptado por ICSE'27. Este trabajo presenta un enfoque simple pero efectivo para recuperar flujos de contaminación faltantes, mejorando sustancialmente la capacidad de detección de vulnerabilidades del análisis de contaminación de propósito general para Java de Tai-e.
- Nuestro artículo "Heap Abstraction via Early-Confluent Object Merging for Pointer Analysis" ha sido aceptado por OOPSLA'26. Este trabajo presenta Valve, una novedosa técnica de abstracción de heap que acelera significativamente el análisis de punteros mientras preserva una alta precisión.
- Lanzamiento v0.5.4:
- Tai-e incluye un nuevo frontend, que proporciona una conversión más rápida y confiable de programas Java a Tai-e IR.
- El análisis de aplicaciones Android es compatible mediante un plugin impulsado por PacDroid integrado con el análisis de punteros.
- El análisis de Spring DI y WEC es compatible mediante el plugin de análisis de Spring.
- Nuestro artículo "Two Approaches to Fast Bytecode Frontend for Static Analysis" ha sido aceptado por OOPSLA'25. Este artículo presenta el nuevo frontend de bytecode de Tai-e, que es significativamente más rápido y confiable que los frontends existentes.
- Nuestro artículo "Pointer Analysis for Database-Backed Applications" ha sido aceptado por PLDI'25. Este artículo describe un análisis de punteros de extremo a extremo para aplicaciones Java respaldadas por bases de datos desarrollado sobre Tai-e.
- Nuestro artículo "PacDroid: A Pointer-Analysis-Centric Framework for Security Vulnerabilities in Android Apps" ha sido aceptado por ICSE'25. Este trabajo demuestra la nueva capacidad de Tai-e en el análisis de Android, proporcionando un enfoque simple pero efectivo para el análisis de seguridad de Apps. Este trabajo obtuvo el Best Artifact Award🏅.
- Nuestro artículo "Bridge the Islands: Pointer Analysis for Microservice Systems" ha sido aceptado por ISSTA'25. Este artículo describe el primer análisis de punteros para sistemas de microservicios Java desarrollado sobre Tai-e.
- Nuestro artículo "Interactive Cross-Language Pointer Analysis for Resolving Native Code in Java Programs" ha sido aceptado por ICSE'25. Este es el primer análisis de punteros entre lenguajes entre Java y C. Este trabajo ganó el Distinguished Paper Award🏅.
- Nuestro artículo "Context Sensitivity without Context: A Cut-Shortcut Approach to Fast and Precise Pointer Analysis" ha sido aceptado por PLDI'23. Este es el primer trabajo de investigación publicado desarrollado sobre Tai-e.
- Nuestro artículo "Tai-e: A Developer-Friendly Static Analysis Framework for Java by Harnessing the Good Designs of Classics" ha sido aceptado por ISSTA'23. Este artículo describe los diseños de los componentes principales de Tai-e.
Tabla de contenidos
¿Qué es Tai-e?
Tai-e (en chino: 太阿; pronunciación: [ˈtaɪə:]) es un nuevo framework de análisis estático para Java (consulta nuestro artículo de ISSTA 2023 para más detalles), que presenta posiblemente los "mejores" diseños tanto de los novedosos que propusimos como de los de frameworks clásicos como Soot, WALA, Doop y SpotBugs.
Tai-e es fácil de aprender, fácil de usar, eficiente y altamente extensible, lo que te permite desarrollar fácilmente nuevos análisis sobre él.
Actualmente, Tai-e proporciona los siguientes componentes de análisis principales (y hay más análisis en
camino):
- Potente framework de análisis de punteros
- Construcción del grafo de llamadas sobre la marcha
- Diversas técnicas clásicas y avanzadas de abstracción de heap y sensibilidad al contexto para el análisis de punteros
- Sistema de plugins de análisis extensible (permite desarrollar y añadir cómodamente nuevos análisis que interactúan con el análisis de punteros)
- Análisis de seguridad configurable
- Análisis de taint, que permite configurar sources, sinks, transferencias de taint y sanitizers
- Detección de diversas fugas de información y vulnerabilidades de inyección
- Diversos compromisos entre precisión y eficiencia (beneficiándose del framework de análisis de punteros)
- Diversos análisis fundamentales/de utilidad
- Análisis fundamentales, p. ej., análisis de reflexión y análisis de excepciones
- Análisis de características modernas del lenguaje, p. ej., análisis de lambdas y referencias a métodos, y análisis de invokedynamic
- Herramientas de utilidad como el temporizador de análisis, el verificador de restricciones (para depuración) y diversos volcadores de grafos
- Framework de análisis de control/flujo de datos
- Construcción del grafo de flujo de control
- Análisis clásicos de flujo de datos, p. ej., análisis de variables vivas, propagación de constantes
- Tus análisis de flujo de datos
- Sistema de detección de bugs similar a SpotBugs
- Detectores de bugs, p. ej., detector de punteros nulos, detector de
clone() incorrecto
- Tus detectores de bugs
Tai-e está desarrollado en Java y puede ejecutarse en los principales sistemas operativos, incluidos Windows, Linux y macOS.
Como cortesía hacia los desarrolladores, esperamos que por favor cites el artículo de ISSTA 2023 que describe el framework Tai-e en tu trabajo de investigación:
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).
¿Cómo obtener Tai-e ejecutable?
La forma recomendada es descargar el ZIP de distribución desde GitHub Releases.
El ZIP contiene Tai-e, todas las dependencias de tiempo de ejecución, documentación offline y scripts de inicio para Windows, Linux y macOS.
Alternativamente, puedes compilar tú mismo la última versión de Tai-e a partir del código fuente. Esto se puede lograr simplemente mediante Gradle (asegúrate de que Java 17 (o una versión superior) esté disponible en tu sistema):
./gradlew distZip