✨Actualités
- Notre article « When Absence Speaks: A Null-Aware Approach for Taint Analysis » a été accepté à ICSE'27. Ce travail présente une approche simple mais efficace pour récupérer les flux de teinte manquants, améliorant considérablement la capacité de détection de vulnérabilités de l'analyse de teinte Java à usage général de Tai-e.
- Notre article « Heap Abstraction via Early-Confluent Object Merging for Pointer Analysis » a été accepté à OOPSLA'26. Ce travail présente Valve, une nouvelle technique d'abstraction de tas qui accélère considérablement l'analyse de pointeurs tout en préservant une grande précision.
- Version v0.5.4 :
- Tai-e est livré avec un nouveau frontend, offrant une conversion plus rapide et plus fiable des programmes Java vers le IR de Tai-e.
- L'analyse d'applications Android est prise en charge via un plugin propulsé par PacDroid intégré à l'analyse de pointeurs.
- L'analyse Spring DI et WEC est prise en charge via le plugin d'analyse Spring.
- Notre article « Two Approaches to Fast Bytecode Frontend for Static Analysis » a été accepté à OOPSLA'25. Cet article présente le nouveau frontend de bytecode de Tai-e, qui est nettement plus rapide et plus fiable que les frontends existants.
- Notre article « Pointer Analysis for Database-Backed Applications » a été accepté à PLDI'25. Cet article décrit une analyse de pointeurs de bout en bout pour les applications Java adossées à des bases de données, développée au-dessus de Tai-e.
- Notre article « PacDroid: A Pointer-Analysis-Centric Framework for Security Vulnerabilities in Android Apps » a été accepté à ICSE'25. Ce travail démontre la nouvelle capacité de Tai-e en analyse Android, offrant une approche simple mais efficace pour l'analyse de sécurité des applications. Ce travail a remporté le Best Artifact Award🏅.
- Notre article « Bridge the Islands: Pointer Analysis for Microservice Systems » a été accepté à ISSTA'25. Cet article décrit la première analyse de pointeurs pour les systèmes Java de microservices développée au-dessus de Tai-e.
- Notre article « Interactive Cross-Language Pointer Analysis for Resolving Native Code in Java Programs » a été accepté à ICSE'25. Il s'agit de la première analyse de pointeurs inter-langages entre Java et C. Ce travail a remporté le Distinguished Paper Award🏅.
- Notre article « Context Sensitivity without Context: A Cut-Shortcut Approach to Fast and Precise Pointer Analysis » a été accepté à PLDI'23. Il s'agit du premier travail de recherche publié développé au-dessus de Tai-e.
- Notre article « Tai-e: A Developer-Friendly Static Analysis Framework for Java by Harnessing the Good Designs of Classics » a été accepté à ISSTA'23. Cet article décrit les conceptions des principaux composants de Tai-e.
Table des matières
Qu'est-ce que Tai-e ?
Tai-e (en chinois : 太阿 ; prononciation : [ˈtaɪə:]) est un nouveau framework d'analyse statique pour Java (veuillez consulter notre article ISSTA 2023 pour plus de détails), qui s'appuie sans doute sur les « meilleurs » concepts issus à la fois de nos propositions novatrices et de ceux de frameworks classiques tels que Soot, WALA, Doop et SpotBugs.
Tai-e est facile à apprendre, facile à utiliser, efficace et hautement extensible, ce qui vous permet de développer facilement de nouvelles analyses par-dessus.
Actuellement, Tai-e fournit les principaux composants d'analyse suivants (et d'autres analyses sont en
cours de développement) :
- Framework puissant d'analyse de pointeurs
- Construction du graphe d'appels à la volée
- Diverses techniques classiques et avancées d'abstraction du tas et de sensibilité au contexte pour l'analyse de pointeurs
- Système de plugins d'analyse extensible (permet de développer et d'ajouter facilement de nouvelles analyses interagissant avec l'analyse de pointeurs)
- Analyse de sécurité configurable
- Analyse de teinte (taint analysis), qui permet de configurer les sources, les sinks, les transferts de teinte et les sanitizers
- Détection de diverses fuites d'informations et vulnérabilités d'injection
- Divers compromis entre précision et efficacité (grâce au framework d'analyse de pointeurs)
- Diverses analyses fondamentales/utilitaires
- Analyses fondamentales, par exemple l'analyse de réflexion et l'analyse d'exceptions
- Analyses des fonctionnalités modernes du langage, par exemple l'analyse des lambdas et des références de méthodes, et l'analyse invokedynamic
- Outils utilitaires comme le minuteur d'analyse, le vérificateur de contraintes (pour le débogage) et divers exportateurs de graphes
- Framework d'analyse de flux de contrôle/données
- Construction du graphe de flux de contrôle
- Analyses classiques de flux de données, par exemple l'analyse des variables vivantes, la propagation de constantes
- Vos analyses de flux de données
- Système de détection de bugs de type SpotBugs
- Détecteurs de bugs, par exemple le détecteur de pointeurs nuls, le détecteur de
clone() incorrect
- Vos détecteurs de bugs
Tai-e est développé en Java, et il peut fonctionner sur les principaux systèmes d'exploitation, notamment Windows, Linux et macOS.
Par courtoisie envers les développeurs, nous attendons de vous que vous veuillez citer l'article de l'ISSTA 2023 décrivant le framework Tai-e dans vos travaux de recherche :
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).
La méthode recommandée consiste à télécharger le ZIP de distribution depuis les GitHub Releases.
Le ZIP contient Tai-e, toutes les dépendances d'exécution, la documentation hors ligne et les scripts de démarrage pour Windows, Linux et macOS.
Alternativement, vous pouvez compiler vous-même la dernière version de Tai-e à partir du code source. Cela peut être simplement réalisé via Gradle (assurez-vous que Java 17 (ou une version supérieure) est disponible sur votre système) :
./gradlew distZip