Slithice：一个基于系统依赖图的Java程序切片工具

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (2): 31-34.

Slithice：一个基于系统依赖图的Java程序切片工具

钱巨，陶彬贤

南京航空航天大学计算机科学与技术学院，南京 210016

出版日期:2014-01-15 发布日期:2014-01-26

Slithice：system dependence graph based program slicing tool for Java

QIAN Ju, TAO Binxian

College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China

Online:2014-01-15 Published:2014-01-26

摘要/Abstract

摘要： 当前程序切片的相关理论已经较为成熟，但针对Java程序的静态切片工具却非常少见。为便于展开切片应用研究，设计并实现了一个基于系统依赖图的Eclipse切片插件——Slithice。该插件支持不同粒度的底层分析和系统依赖图构建，从而可以使切片算法能够在精度和性能之间进行权衡，适应各种规模程序的分析需要。

关键词: Java, 程序切片, 静态

Abstract: Nowadays, the theory of program slicing is highly developed, but open tools for slicing Java programs are still rarely seen. To support the researches on the application of program slicing techniques, it designs and implements an Eclipse slicing plugin named Slithice. The tool can perform system dependence graph based program slicing. It provides many options for the basis analyses and the system dependence graph construction. This can let the users make better trade-offs between efficiency and precision and hence make the tool more suitable for analyzing programs of various scales.

Key words: Java, program slicing, static

钱巨，陶彬贤. Slithice：一个基于系统依赖图的Java程序切片工具[J]. 计算机工程与应用, 2014, 50(2): 31-34.

QIAN Ju, TAO Binxian. Slithice：system dependence graph based program slicing tool for Java[J]. Computer Engineering and Applications, 2014, 50(2): 31-34.

[1]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[2]	陈耀阳，陈伟. 采用隐式跳转的控制流混淆技术[J]. 计算机工程与应用, 2021, 57(20): 125-132.
[3]	杨春雨，徐洋，张思聪，李小剑. 基于静态特征融合的恶意软件分类方法[J]. 计算机工程与应用, 2021, 57(15): 147-155.
[4]	周玉，朱文豪，房倩，白磊. 基于聚类的离群点检测方法研究综述[J]. 计算机工程与应用, 2021, 57(12): 37-45.
[5]	杨明慧，邹翔. 美国电子身份指南评析[J]. 计算机工程与应用, 2019, 55(23): 22-28.
[6]	邱宝鑫，周维，陈听海. 基于条件分类可执行切片谱的软件缺陷定位[J]. 计算机工程与应用, 2019, 55(19): 253-262.
[7]	张敏华，杜友田，王倩. 融合静态与动态建模的网络事件聚合方法[J]. 计算机工程与应用, 2019, 55(18): 15-20.
[8]	龙廷艳，万良，邓烜堃. 基于卷积神经网络的JavaScript恶意代码检测方法[J]. 计算机工程与应用, 2019, 55(18): 89-94.
[9]	林宏阳，彭建山，赵世斌，朱俊虎，许航. JavaScript引擎漏洞检测方法综述[J]. 计算机工程与应用, 2019, 55(11): 16-24.
[10]	魏佳敏1，冯筠1，卜起荣1，高原2，赵妍1. 层次化分类的离线中文签名真伪鉴别方法[J]. 计算机工程与应用, 2018, 54(8): 112-118.
[11]	张雨清，王伟平，王维. 一种面向渐变浏览器指纹的识别方法[J]. 计算机工程与应用, 2018, 54(7): 102-106.
[12]	陈璐，马媛媛，石聪聪，李尼格，李伟伟. Android应用安全缺陷的静态分析技术研究[J]. 计算机工程与应用, 2018, 54(4): 117-121.
[13]	刘鹏睿，宋礼鹏. 针对恶意JavaScript识别的降维方法[J]. 计算机工程与应用, 2018, 54(21): 20-24.
[14]	赵薇1，4，王楠2，苏欣3，4，张波云1. 基于深度信念网络的Android恶意应用检测方法[J]. 计算机工程与应用, 2018, 54(18): 125-132.
[15]	冯家文，张立民，邓向阳. 双通道卷积神经网络在静态手势识别中的应用[J]. 计算机工程与应用, 2018, 54(14): 148-152.