研究課題/領域番号 |
19K11897
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分60050:ソフトウェア関連
|
研究機関 | 東京工業大学 |
研究代表者 |
権藤 克彦 東京工業大学, 情報理工学院, 教授 (50262283)
|
研究期間 (年度) |
2019-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
キーワード | メモリリーク / 参照カウント / 循環参照 / 追跡型ゴミ集め / mark-sweepゴミ集め / ソフトウェア解析 / 一貫性 / 命名規則 / 原始データ型 / 決定木分類器 / 時中型 prospective / 追跡子 / ソフトウェア追跡性 |
研究開始時の研究の概要 |
時中型 (prospective) な追跡子とソフトウェア解析の技術を組み合わせることで,ソフトウェア追跡の情報量とソフトウェア解析の精度を向上させ,ソフトウェアの保守コストを大幅に減少することを狙う.そのために,時中型追跡子の少ない情報量をソフトウェア解析で補完することで情報量を増大させ,時中型追跡子で表現した人間の意図で,ソフトウェア解析を補完することで精度の向上を行う.
|
研究実績の概要 |
本研究の目的は,時中型(prospective)な追跡子とソフトウェア解析の技術を組み合わせることで,ソフトウェア追跡の情報量とソフトウェア解析の精度を向上させ,ソフトウェアの保守コストを大幅に減少することである.今年度の主な成果は次のソフトウェア解析手法である: ・Swift言語のARC機能により発生する強い循環参照やメモリリークを自動的に検知する新しいツールUCDetectorを提案した.Swift言語の「静的型付けで安全な言語でありながら低レベルなプログラミングが可能」という特徴,SwiftリフレクションAPI,デバッガlldb Pyton APIを用いることで,簡易かつコンパクトな実装が可能だったこと,その際に自明ではない様々な障壁があったことという知見を得た.また,実装した循環参照検知器の精度と効率に対する予備評価の結果も報告した.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
今年度はゴミ集めという古くからある追跡子技術において,これまでの成果とは異なる方向の成果を出せたため.
|
今後の研究の推進方策 |
これまで通り,時中型追跡子とソフトウェア解析の双方の技術について研究を進め,それにより技術の組み合わせ方法の研究をまとめる.
|