P2 Dependency-Aware Metamorphic Testing of Datalog Engines
Datalog 引擎的依赖感知变形测试
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 4/10 · 论文关注 Datalog 引擎的查询结果正确性测试，而 Datalog 常用于程序分析，因此与静态分析基础设施的可靠性有一定关联；但用户核心方向是 LLM/Agent 与静态分析/形式化验证的交叉、浮点程序分析或贝叶斯程序分析，本文不涉及 AI/LLM，也不直接面向这些交叉方向。引用 10 inbox
Muhammad Numair Mansur, Valentin Wüstholz, Maria Christakis
crossref: 2026-09-12
AI 速览
一句话：提出依赖感知的变形测试方法，用于发现 Datalog 引擎返回错误结果的查询缺陷。
该论文关注 Datalog 引擎的正确性问题。Datalog 是一种声明式查询语言，在程序分析等领域应用广泛；由于引擎实现复杂，容易返回错误结果，这类 query bug 会破坏上层程序分析器的可靠性，在安全关键场景中可能造成严重后果。论文提出面向 Datalog 引擎的依赖感知变形测试（dependency-aware metamorphic testing）方法，通过构造满足变形关系、并考虑查询之间依赖的测试用例来检测引擎缺陷。摘要未给出具体的评估设置与实验结果。
- 问题
- Datalog 引擎实现复杂，容易返回错误结果（query bug），这些缺陷会破坏上层程序分析器的可靠性，在安全关键场景中后果严重。
- 方法
- 采用依赖感知的变形测试（dependency-aware metamorphic testing）来检测 Datalog 引擎的查询缺陷，构造考虑查询间依赖关系的变形测试用例。
- 评估
- 摘要未描述具体评估方式；从摘要可知其应用场景是检测 Datalog 引擎的查询 bug，以保障程序分析器的可靠性。
原文摘要（Abstract）
Datalog is a declarative query language with wide applicability, especially in program analysis. Queries are evaluated by Datalog engines, which are complex and thus prone to returning incorrect results. Such bugs, called query bugs, may compromise the soundness of upstream program analyzers, having potentially detrimental consequences in safety-critical settings.