Верификация программного обеспечения. Текущее состояние и проблемы

Сложность современного ПО

Статистика ошибок
Количество ошибок на 1000 строк кода (до тестирования) остается практически неизменным за 30 лет

Верификация и информационная безопасность программ
Наличие ошибки в программе часто означает наличие уязвимости
Технологии верификации одновременно являются средствами оценки и обеспечения информационной безопасности программ
Вывод:
повышение информационной безопасности программ без развития технологий верификации невозможно

Технологии верификации
Экспертиза
Тестирование (динамические испытания)
Аналитическая верификация
Статический анализ
Комбинированные подходы

Экспертиза
Поиск ошибок, оценка и анализ свойств ПО человеком (обычно группа 2-5 человек)
Техники
Списки важных ограничений и шаблонов ошибок
Групповые обсуждения
Производительность : 100-150 строк / час
Не более 2-3 часов в день
Результаты : выявляется 50-90% ошибок (обнаруживаемых за все время жизни ПО)
Нужны настоящие эксперты, программисты с менее чем 10-летним стажем могут участвовать лишь как обучающиеся

Тестирование
Оценка корректности системы по ее работе в выбранных ситуациях, с определенными данными
Техники:
Шаблоны сценариев, перебор и фильтрация
Синтез тестов по структуре реализации или модели
Производительность : сильно зависит от целей, техники, опыта и пр.
Microsoft : производительность разработки тестов и тестирования примерно такая же, как у создателей кода, 10 строк/час
Результаты : выявляется 30-80% ошибок
Часто используется неопытный персонал, что отрицательно сказывается на качестве

Пример : проект DMS (ИСП РАН)
Разработка тестов для ОС телефонного коммутатора Nortel Networks с использованием формальных методов
Размер системы : 250 000 строк, 230 интерфейсных функций
Трудоемкость : ~ 10 человеко-лет
Результаты:
Тестовый набор использовался для проверки всех новых версий ОС
> 300 ошибок в системе с заявленной надежностью 99.9999%
12 ошибок, требующих холодного рестарта
~ 50% всех ошибок найдены в ходе экспертизы
Остальные выявлены тестами, сгенерированными из формальных спецификаций и нацеленными на их покрытие

Показатели качества тестирования
Метрики тестового покрытия
Функциональности программы и требований
Структуры кода: строк, ветвлений, комбинаций условий в ветвлениях
Для адекватной оценки нужно сочетание нескольких метрик
Примеры достигаемого тестового покрытия :
Обычное коммерческое ПО : 15-20% ветвлений в коде
Системное ПО : 60-80% ветвлений в коде
Тесты на базе формальных моделей : 70-80% ветвлений в коде
Аналитическая верификация : 100% ветвлений в коде

Аналитическая верификация
Формальное описание семантики программы и требований и доказательство выполнения требований
Техники:
Метод Флойда (дедуктивный метод)
Provers, solvers, интерактивные инструменты
Инструменты:
Мировые лидеры: PVS, Isabelle/HOL, Frama-C
Примеры приложений: микропроцессоры, ядро операционной системы seL4
Опыт ИСП РАН: практикум по верификации с помощью Frama-C (~ 100 человеко-часов на программу размером порядка 100 строк)

Пример: верификация ядра ОС seL4
Ядро встроенной ОС seL4
8700 строк на C, 600 строк на ассемблере
Для реализации ~2.5 человеко-года
Верификация
200 000 строк формальной модели
Инструмент: Isabelle/HOL
Трудоемкость – 20 человеко-лет (12 чел.)
Доказано ~10000 лемм

Статический
анализ
программ

f(char * p)
{ char s[6];
strcpy(s,p);
}
main1 ()
{ f(“hello”);
}
main2 ()
{ f(“privet”);
}
\0
o
l
l
e
h
t
\0
e
v
i
r
p
Стек после выполнения функции f, вызванной из main1
массив s
Стек после выполнения функции f, вызванной из main2
В случае main2 адрес возврата перезапишется и управление будет передано не на main2, а на другой участок кода
адрес возврата
На место адреса main2 записали лишний байт
Адрес main1
Простейший пример

Альтернативы решения
Тестирование
Проверки времени выполнения
Статический анализ программы
Смешанный

Можно использовать специальные функции с дополнительными параметрами – ограничениями сверху на объем записываемой информации. Например, вместо strcpy(a,b) использовать strncpy(a,b,n), где n-максимальное количество переписываемых символов
Вставка проверок подразумевает инструментацию исходного кода и так как такие проверки должны присутствовать во всех потенциально опасных местах, инструментированный код может работать на порядок медленнее исходного
f(char * p)
{ char s[10];
strcpy(s,p);
}
f(char * p)
{ char s[10];
if (strlen(p)<10)
strcpy(s,p);
}
f(char * p)
{ char s[10];
strncpy(s,p,10);
}
Динамические проверки

От динамической защиты к статическому обнаружению
Даже в случае минимизации количества проверок инструментированный код работает гораздо медленнее исходного
Среди вставляемых проверок много «бесполезных», то есть тех, которые проверяют заведомо истинные условия
Необходимо статически обнаружить в тексте программы только те места, в которых действительно возможно нарушение системы защиты

Цели статического анализа –
выявление дефектов в программах
Дефекты (ситуации в исходном коде) могут приводить к:
Уязвимостям ⃰ защиты
Потере стабильности работы программы
⃰Уязвимость защиты (security vulnerability) – ошибка в тексте программы, которая позволяет пользователю при некоторых сценариях использования программы обходить средства разграничения прав доступа программы или ОС, в которой программа выполняется.

Рассматриваемые виды дефектов
Переполнение буфера
Format string: недостаточный контроль параметров при использовании функций семейства printf/scanf
Tainted input: некорректное использование непроверяемых на корректность пользовательских данных
Разыменование нулевого указателя
Утечки памяти
Использование неинициализированных данных

Преимущества статического анализа
Автоматический анализ многих путей исполнения одновременно
Обнаружение дефектов, проявляющихся только на редких путях исполнения, или на необычных входных данных (которые могут быть установлены злоумышленником в процессе атаки)
Возможность анализа на неполном наборе исходных файлов
Отсутствие накладных расходов во время выполнения программы

Первое поколение анализаторов
Flowfinder, ITS4, RATS, Pscan (распространяются бесплатно)
CodeSurfer (инструмент для обнаружения уязвимостей на базе CodeSurfer’а недоступен)
FlexeLint (продается на рынке), Splint (распространяется бесплатно)

Недостатки первого поколения
Большое число ложных срабатываний – 90% и выше
Пропуск реальных уязвимостей
Необходима ручная проверка результатов работы, которая требует привлечения значительных ресурсов (материальных, людских, временных)

Современные анализаторы
Coverity Prevent
Klockwork Insight
Svace

Наш подход
Для обнаружения уязвимостей мы предлагаем применять следующее:
Межпроцедурный data-flow анализ с итерациями на внутрипроцедурном уровне
Анализ указателей
Анализ интервалов и значений целочисленных объектов
Контекстно-зависимый (использующий индивидуальные входные параметры для каждой точки вызова) анализ

Целью целочисленного анализа программы является получение необходимой информации о значении целочисленных атрибутов объектов программы (значение переменной, размер массива и т.д.)
Чем точнее и полнее представляются целочисленные значения, тем точнее возможно проведение поиска уязвимостей
void f(int i)
{ char p[5];
int a;
if (i>0)
a=4;
else
a=3;
p[a]=0;
}
i>0
a=4
a=3
p[a]=0
yes
no
Value(a)=3
Value(a)=4
Value(a)=[3..4]
- нет уязвимости
Целочисленный анализ на основе интервалов

Потеря точности в некоторых случаях.
Отсутствие информации о связях между переменными: в случае анализа на основе интервалов в последней инструкции примера будет обнаружена ложная уязвимость.
void f(int i)
{ char p[5];
int a,b,c;
if (i>0)
a=0;
else
a=1;
b=a+4;
c=b-a;
p[c]=0
}
i>0
a=0
a=1
b=a+4
yes
no
Value(a)=1
Value(a)=0
Value(a)=[0..1]
c=b-a
p[c]=0
Value(a)=[0..1]
Value(b)=[4..5]
Value(c)=[3..5]
Value(a)=[0..1]
Value(b)=[4..5]
Value(a)=[0..1]
Value(b)=a+4
Value(a)=[0..1]
Value(b)=a+4
Value(c)=4
Size(p)=5
Value(c)
Value(c) может быть равным Size(p) => ложная ошибка
Недостатки целочисленного
анализа интервалов

Необходимость межпроцедурного анализа
f(char *p, char *s)
{ strcpy(p,s); // произойдет копирование 6 байт, включая //конец строки
}
main()
{ char *p;
p=malloc(5);
f(p,”hello”);
}
В приведенном примере указатель на объект размером 5 байт передается в функцию f, поэтому без межпроцедурного анализа эта информация никаким образом не попадет на вход вызову функции strcpy и ошибку не зафиксируется

Необходимость анализа указателей
…
char a[10];
char * p;
p=a;
p[10]=0;
…
Для данного примера в случае отсутствия анализа указателей невозможно сделать никаких предположений о размере массива, на который указывает p и, следовательно, невозможно определить наличие ошибки

Спецификация окружения
char* strcpy(char *dst, const char *src) {
char d1 = *dst;//dst и src
char d2 = *src;// разыменовываются в функции
//необходимо проверить на корректность src
//(в случае пользовательского ввода)
sf_set_trusted_sink_ptr(src);
//содержимое src копируется в dst
sf_copy_string(dst, src);
//возвращается входной параметр
return dst;
}
Внутренние обработчики инфраструктуры анализа

Схема работы Svace
Анализируемая программа
Система сборки
Файлы с исходным кодом
Утилита
перехвата
Компилятор LLVM-GCC
или CLANG
Исходный код
Измененная командная строка
Командная строка
Биткод-файл
Входные биткод-файлы
Биткод-файлы
для исходных
файлов
Биткод-файлы
спецификаций
библиотек
Инфраструктура
анализа
Детекторы
Вызовы внутреннего
интерфейса
Инструмент статического анализа
Биткод-файлы
Исходный код
Работа с результатами анализа через компонент Eclipse
Список
предупреж-дений
Биткод-файл

Построение аннотаций
Биткод-файлы
для исходных
файлов
Спецификации библиотечных
функций на языке Си
Биткод-файлы спецификаций
библиотек
Компилятор LLVM-GCC или CLANG
Функции анализируемой
программы
Функции спецификаций
Построение графа вызовов
Аннотации
Анализ
Анализ*
*Анализ отдельной функции
Анализ вызова функции
Вызов подпрограммы
Вызов подпрограммы

Топологический порядок
обработки функций
Граф вызовов функции
main
q
w
a
b
c
prinf
strcpy
Построение топологического порядка функций
a
b
c
q
w
main
Порядок анализа
Создание аннотаций библиотечных функций
printf
strcpy
a
q
b
Анализ функции ‘c’
Аннотации:
Межпроцедурный анализ (интервальный, tainted, нулевых указателей, алиасов и др.)

Время анализа
* Не учитывается время компиляции проекта

Сравнение с Coverity Prevent

Текущее состояние
Анализ программ на Си\Си++.
Информация об исходном коде собирается при помощи компилятора LLVM-GCC (или CLANG)
Нет ограничений на размер программы (линейная масштабируемость)
Полностью автоматический анализ
Поддержка пользовательских спецификаций функций
Набор спецификаций стандартных библиотечных функций (Си, Linux)
Набор подсистем поиска различных дефектов (переполнение буфера, разыменование нулевого указателя и др.)
Набор подсистем поиска дефектов расширяем
Графический пользовательский интерфейс, реализованный в виде расширения среды Eclipse

Avalanche: Обнаружение ошибок при помощи динамического анализа

Динамический и статический анализ кода
Динамический анализ - анализ программы во время выполнения
Статический анализ - анализ без выполнения программы

Обнаружение ошибок при помощи анализа программ
Динамический анализ
Требуется набор входных данных и/или среда выполнения
Высокие требования к ресурсам
Высокая точность обнаружения
Статический анализ
Работает на исходном или бинарном коде
Анализ абстрактной модели
Хорошая масштабируемость
Ложные срабатывания

Valgrind
Фреймворк динамической инструментации
Обнаруживаемые ошибки:
Утечки памяти
Ошибки работы с динамической памятью
Неиницилизированные данные
Ошибки в многопоточных программах

Valgrind: общая схема работы
Внутреннее представление
команд Valgrind – абстрактная
RISC машина

Трасса выполнения программы

Трасса выполнения программы

Трасса выполнения программы

Трасса выполнения программы

Работы в этой области
EXE tool, Stanford University - символические вычисления
SAGE framework, Microsoft Research - white-box fuzz testing
KLEE, LLVM project

Пример
char *names[] = { “one”, “two”, ...};
char buf[3];
fread(buf, 3, 1, f); // чтение 3-х байт из файла
if (buf[0] == 1) { // ветвление #1
int index;
if (buf[1] + buf[2] > 0) { // ветвление #2
index = ...;
}
name = names[index]; // index не инициализирован
// выход за границы массива
...
} else {
...
}

Пример
fread(buf, 3, 1, f)
buf[0] == 1
buf[1] + buf[2] > 0
x1, x2, x3: byte
x1 = 1
x2 + x3 > 0
x1 = 1
x2 = 100
x2 = 200

Пример
fread(buf, 3, 1, f)
buf[0] == 1
buf[1] + buf[2] > 0
Система уравнений:
x1, x2, x3: byte
¬(x1 = 1)
x1 = 2
Решение:

Пример
fread(buf, 3, 1, f)
buf[0] == 1
buf[1] + buf[2] > 0
Система уравнений:
x1, x2, x3: byte
x1 = 1
¬(x2 + x3 > 0)
x1 = 1
x2 = 0
x3 = 0
Решение:

Avalanche
Отслеживает поток помеченных (потенциально опасных) данных
Изменяет входные данные, чтобы спровоцировать ошибку, или обойти новые части программы
Обнаруживает критические ошибки - разыменование нулевого указателя, деление на ноль, неинициализированные данные, ошибки работы с памятью
Генерирует набор входных данных для каждой найденной ошибки

Входные данные
Входные данные
\
Avalanche: итерация
Tracegrind
Трасса
Управляющий модуль
Трасса’
STP
Решение
Управляющий модуль
Входные данные
Covgrind
Метрики
Управляющий модуль
Управляющий модуль
Управляющий модуль

Управляющий модуль Avalanche
Координация работы других компонентов
Обход различных путей исполнения программы, инвертирование условий
Поддержка параллельного и распределенного анализа

Tracegrind
Отслеживает поток помеченных данных в программе
Все данные прочитанные из внешних источников (файлы, сетевые сокеты, аргументы коммандной строки, переменные окружения)
Переводит трассу выполнения в булевскую формулу (STP утверждения)

Tracegrind
Моделирует оперативную память, регистры и временные переменные при помощи бит-векторов
Моделирует комманды при помощи операций и утверждений STP

Covgrind
Вычисление метрики покрытия кода программы (количество новых ББ покрытых на текущей итерации)
Перехват сигналов (обнаружение критических ошибок)
Обнаружение ошибок работы с памятью при помощи Memcheck
Обнаружение бесконечных циклов при помощи таймаутов

STP - Simple Theorem Prover
SAT решатель (основан на MiniSat)
Проект с открытым исходным кодом
Поддерживает бит-векторы, широкий набор операций

Проект
Опубликован на Google Code
http://code.google.com/p/avalanche
Лицензии:
Valgrind и Memcheck - GPL v2
STP - MIT license
Драйвер Avalanche, Tracegrind, Covgrind - Apache license

Avalanche: возможности
Поддержка клиентских сетевых сокетов
Поддержка переменных окружения и параметров коммандной строки
Поддержка платформ х86/Linux и amd64/Linux, ARM/Linux, Android
Поддержка параллельного и распределенного анализа

Результаты
Более 15-ти ошибок на проектах с открытым исходным кодом
Ошибки подтверждены и/или исправлены разработчиками
Null Pointer Dereference (разуменование нулевого указателя) = NPD
Division By Zero (деление на ноль) = DBZ
Unhandled Exception (необработанная исключительная ситуация) = UE
Infinite Loop (бесконечный цикл) = IL

Планы на будущее
Улучшение прозводительности
Поддержка новых источников входных данных (серверные сетевые сокеты, и т. д.)
Поддержка новых типов ошибок (многопоточные приложения)

UniTESK

Случай тестирования отдельной функции:
Подобрать набор входных (тестовых) данных
Вычислить ожидаемый результат для каждого из тестовых данных
А если это трудно или невозможно, например для функции random() ?
Запустить тест с каждым из тестовых данных, сопоставить результат с ожидаемым
Принять решение о продолжении или завершении тестирования
А каков критерий завершения ?
Разработка теста по-простому

Случай тестирования группы функции, класса/объекта, модуля с несколькими интерфейсами (обычно есть переменные состояния и побочный эффект):
Подобрать набор входных (тестовых) данных для каждой функции
Вычислить ожидаемый результат для каждого из тестовых данных
Новая проблема – как учесть побочный эффект?
Вызвать каждую функцию с каждым из тестовых данных в различных состояниях модуля, сопоставить результат с ожидаемым
Какие состояния считать различными, как прийти в нужное состояние (построить тестовую последовательность), если побочный эффект вычислить невозможно?
Принять решение о продолжении или завершении тестирования
А каков критерий завершения ?
Разработка теста по-простому (2)

Типичные размеры тестовых наборов
Ядро ОС Linux (LTP)
18 Mbyte (при этом покрывает менее половины строк кода)
Библиотеки стандарта OS Linux (LSB)
Более 100 тысяч вариантов
Более 80 Mbyte
Для компилятора C (например, ACE или Perennial)
Более 40-80 тысяч вариантов
Более 1 Gbyte
Не удивительно, что на тестирование тратиться
существенная доля усилий (в Майкрософте около 70%),
а средняя плотность ошибок, которая считается
приемлемой – 2-3 ошибки на 1 тысячу строк кода.

Решения UniTESK
Исходная точка построения теста – формализация программного контракта в форме пред- и пост-условий
пред- и пост-условия определяют тестовые оракулы и критерии полноты покрытия
Тестовую последовательность конструировать не вручную, а на основе интерпретации модели теста
Нотации – максимально приближенные к языкам программирования

Формализация требований
Выделение модельного состояния
Описание формального контракта операций
Предусловия – задают область определения
Постусловия – задают основные ограничения на результаты работы операций
Инварианты – ограничения целостности данных, общая часть всех пред- и постусловий
Аксиоматическая часть контракта (если нужно)

Простой пример спецификации в JavaTESK
public specification class SqrtSpecification {
public specification double sqrt(double x) {
pre { return x >= 0; }
post {
branch SingleCase;
return sqrt * sqrt == x;
}
public specification int sqrt(int x) {
pre { return x >= 0; }
post {
branch SingleCase;
return sqrt * sqrt <= x
&& (sqrt + 1) * (sqrt + 1 ) > x ;
}
}
}

Общая схема тестирования
Тестовая система
Отчеты
Тестовые
данные
Ожидаемые
результаты,
критерии
полноты

Общая схема.
Данные, оракул, покрытие
Пред-условия,
итераторы
Пост-условия

Общая схема.
Тестовый сценарий
описать
и обойти КА
обходить и
строить КА налету
Тестовая система
Отчеты
Тестовые
данные
Ожидаемые
результаты,
критерии
полноты
написать
вручную
Варианты:

Общая схема UniTESK
Модель состояния
Обходчик автоматов
Оракулы
Генератор
Итераторы данных
Метрика покрытия
Тестируемая система
Предусловия-
фильтры
Постусловия
Оракул
Отчеты

Применение UniTESK
Операционные системы
Ядро ОС телефонной станции 1994-1997
Linux Standard Base 2005-2010
Тестовый набор для ОС 2000 (НИИСИ) 2005-...
Протоколы
IPv6 Microsoft Research 2000-2001
Мобильный IPv6 (в Windows CE 4.1) 2002-2003
IPv6 Октет 2002
Тестовый набор для IPsec 2004-2008
Тестовый набор для SMTP 2010
Оптимизаторы компиляторов Intel 2001-2003
Оптимизатор трансляции графических моделей 2005
Информационные системы
Компоненты CRM-системы 2004
Биллинговая система и EAI 2005-…
Микропроцессоры
Процессоры Комдив 64 (НИИСИ) 2006-...
Компоненты процессоров и шин (МЦСТ) 2010-...