摘要

本文从一段Golang代码示例出发，通过剖析变量与值的数据流向，解释了数据流分析的核心逻辑。

进一步探讨编译领域中的程序分析技术（AST、三地址码、SSA IR），对比其优缺点，并重点介绍安全领域对程序分析的需求与挑战。

最后，提出基于统一图结构SSA中间表示（YakSSA HIR） 的创新方案，展示其在多语言跨过程、跨类精准分析中的实践能力。

---

数据流分析是什么

在程序分析之前，我们从数据流开始谈起。 首先来看这段代码：

var a = func1()
var c = 1
c += a
var target = func2(c)

在这段代码中，我们提出以下两个问题：

• target 受到哪些变量的影响呢？ 答案应该是c, 如果更加准确一些，应该要考虑到c +=a这样的语句，那么答案是c、a。

• target 受到哪些值的影响呢？ 答案应该是： func1,1,func2 这两个值。

在我们读出这样的信息的时候，其实是在下意识的追踪 传入到func2的这个c的数据流。

ok，我们来讨论两个问题：

1. 传入到func2的这个c，是指什么？

在原本的代码中，c这个变量：

• 两处赋值的位置，分别为：c = 1, c = c+a，
• 有两处使用的位置，分别为：c = c + a, sink(c)，

对于数值来说： c这个变量中保存了两个数值：

• 数值：1， 这个值赋值给了c，然后在c = c + a的时候被使用。
• 数值1+a， 这个值通过c = c(1) + a赋值给了c， 在func2(c)的时候被使用。

我们将两个不同值的变量c通过后缀进行区分，于是我们得到这样的代码：

var a = func1()
var c1 = 1
c2 = c1 +  a
var target = func2(c2)

此时，我们可以简单地解释，什么是传入到func2中的c，也就是c2。

2. 数据流是什么

基于上面的这个例子，我们发现通过将重新赋值的变量拆分，我们可以直接让每一个变量都表示单独的一个值，那么进一步：

为什么还需要变量呢？

如果去掉变量仅仅保留值之间的关系，我们将会得到以下这张图：

可以看到，这张图里，每一个节点都是值，函数本身是一个值，像这里的函数f和函数func1、func2，常量、运算、函数调用都是值。

数据流是值之间的使用和被使用的关系。

在这里，我们隐去了很多编译相关的前置知识，用这样一个例子展示了下数据流和基于数据流的程序分析，这其实是非常符合人在分析一段代码时的逻辑。

在编译领域的程序分析

首先 编译过程的示意图如下：

需要注意的有两点：

• 多前端：通过 统一的中间代码表示 （IR） 抽象出来编译中端，将多种前端进行整合，并将可通用的分析方案在编译中端进行。
• 中端的多层级表示：中间代码表示一般会采用多种设计，从高级到低级会一层层分析和转换，最后通过最低的IR产生可执行代码。

对照编译过程示意图，在编译领域中，经常进行的分析有以下三种：

基于抽象语法树(AST)的分析：

• 优点：和源码关系密切，可以非常细节地和源码相对应
• 缺点：难以进行有效的数据流分析

基于三地址码形式的IR

• 优点：创建和转换三地址码非常简单。并且和机器码类似，三地址码可以进行针对不同后端的机器码的优化。
• 缺点：仍然没有办法直接分析数据流，而且相对于AST距离源码也有较大的差距。

基于静态单赋值格式(SSA)的IR

• 优点：该指令的设计上就直接引出了使用-被使用的值的关系，天然可以进行数据流分析。
• 缺点：SSA专注于值的关系追踪，需结合其他机制处理变量作用域，并且产生SSA格式需要额外的计算

编译领域程序分析的总览：

在安全领域的程序分析

在安全领域的程序分析，在程序分析本身的要求上，应该有以下一些需求：

现有的方案的现状

1. soot的传统数据流分析不能直接通过数据流图进行分析，并且这套方案维护复杂，很多基于soot的工具也只能在此基础上增加规则而非修改数据流分析方案。

2. CodeQL的用户接口设计优秀，但基于AST分析，尽管通过部分统一接口缓解差异，但部分语言特性仍导致分析逻辑特化。

我们的一些探索

需要一个强大的基于图的数据流分析方案，同时尽量保证其通用性。在不同语言中只需要前端接入，即可实现分析能力。

基于图的SSA格式IR的分析：这是各种编译器内部已经做的，从SSA这个概念于1980年被提出、到LLVM中大量的使用、再到目前的绝大多数编译器都会保留这一设计，甚至目前的很多编译器中端设计中尽力保持SSA格式贯穿分析过程，这一分析思路已经在编译领域反复验证。

但同时：

• 编译器SSA在设计上通常忽略高级语义，而安全分析需保留更多语义信息。
• 编译器SSA在工程实践上通常针对对应的语言，甚至和语言特性耦合，在多语言的抽象和统一问题上存在问题。

都导致在安全领域的实践中存在较大的差距。

YakSSA HIR

YakSSA的使用如下：通过简单的API即可进行：

• ssaapi.Parse 进行程序的解析
• 通过prog.Ref进行在数据流图上某个值的提取
• 通过GetTopDefs进行对于该值的数据流分析。 可以看到在这一个例子中，和我们文章开头的例子一致，的到了一致的结果。

在以下的例子中，可以看到YakSSA在过程内的分析能力：

分析Yaklang语言，跨过程分析演示：

分析Java语言，左侧是代码，右侧是YakSSA测试以及结果，可以看到类之间的跨过程分析能力：

分析Java语言，跨越类对类成员的访问能力：

这是一个反例，可以发现类成员的追踪的精准性。