paperbot · PL 论文追踪

全部论文 待读 收藏

P2 HyDiff

HyDiff（差分软件分析）
ICSE Proceedings of the ACM/IEEE 42nd International Conference on Software Engineering2020匹配度 3/10 · 论文属于差分软件分析与测试/调试领域，虽涉及程序分析、回归缺陷和 DNN 鲁棒性，但与用户核心方向（LLM/Agent 与静态分析交叉、浮点程序分析、贝叶斯程序分析）没有直接关系，也未涉及 LLM/Agent 或静态分析在 ML/Agent 程序中的应用。引用 38 inbox
Yannic Noller, Corina S. Păsăreanu, Marcel Böhme, Youcheng Sun, Hoang Lam Nguyen, Lars Grunske
测试、调试与修复
crossref: 2026-09-12

AI 速览

一句话：HyDiff 面向差分软件分析，目标是在多个程序路径或程序变体间生成可观察行为发散的执行。

论文围绕差分软件分析展开：该任务要求在程序演化回归检测、程序侧信道分析以及深度神经网络（DNN）鲁棒性评估等场景中，生成使程序可观察行为发生分歧的执行路径。两个执行被称为发散，当程序输出、执行时间或 DNN 分类等可观察行为不同。差分软件分析的核心挑战在于必须同时推理多条程序路径，而且这些路径常常跨越不同的程序变体。给出的摘要仅阐述了问题设定与挑战，未说明 HyDiff 的具体方法、算法细节或实验评估，因此无法从该摘要概括其关键结果。

问题
如何自动化地生成使程序可观察行为（如输出、执行时间、DNN 分类）发生分歧的执行，用于回归缺陷检测、侧信道分析和 DNN 鲁棒性评估。
方法
给出的摘要未描述 HyDiff 的具体方法或算法；仅指出差分软件分析需同时推理多条程序路径，且常跨程序变体。
评估
摘要未给出评估方式或实验结果；仅列举了回归缺陷检测、侧信道分析和 DNN 鲁棒性评估等应用场景。
原文摘要（Abstract）

Detecting regression bugs in software evolution, analyzing side-channels in programs and evaluating robustness in deep neural networks (DNNs) can all be seen as instances of differential software analysis, where the goal is to generate diverging executions of program paths. Two executions are said to be diverging if the observable program behavior differs, e.g., in terms of program output, execution time, or (DNN) classification. The key challenge of differential software analysis is to simultaneously reason about multiple program paths, often across program variants.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot5673,
  title = {HyDiff},
  author = {Yannic Noller and Corina S. Păsăreanu and Marcel Böhme and Youcheng Sun and Hoang Lam Nguyen and Lars Grunske},
  booktitle = {ICSE},
  year = {2020},
  doi = {10.1145/3377811.3380363}
}