Analyse statique, de type et de valeur, par interprétation abstraite, de programmes Python utilisant des librairies C

Static type and value analysis by abstract interpretation of Python programs with native C libraries

• Auteur / Autrice : Raphaël Monat
• Direction : Antoine Miné
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 22/11/2021
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-....)
• Partenaire(s) de recherche : Laboratoire : LIP6 (1997-....)
• Jury : Président / Présidente : Emmanuel Chailloux
• Jury : Examinateurs / Examinatrices : Francesco Logozzo, Peter Müller, Alan Schmitt
• Jury : Rapporteurs / Rapporteuses : Anders Møller, Isabella Mastroeni
• DOI : 10.70675/b5af5158z6f07z4263zb940zc7a8755fd60d

Mots clés

Mots clés contrôlés

Logiciels -- Vérification

Langages de programmation -- Sémantique

Python (langage de programmation)

Mots clés libres

Informatique

Méthodes formelles

Analyse statique

Interprétation abstraite

Informatics

Formal methods

Statit analysis

Abstract interpretation

Résumé

Dans cette thèse, nous avons pour objectif de concevoir, à la fois théoriquement et expérimentalement, des méthodes pour la détection automatique de bogues potentiels dans les logiciels – ou la preuve de leur absence. Ces méthodes sont statiques : elles analysent le code source des programmes sans les exécuter. Nos travaux s’inscrivent dans le cadre de l’interprétation abstraite pour dériver une sémantique sûre et décidable. Le principal objet de ce travail est l’analyse des langages de programmation dynamiques. En particulier, ce travail se concentre sur les programmes écrits en Python, qui peuvent appeler des bibliothèques écrites en C.

In this thesis, we aim at designing both theoretically and experimentally methods for the automatic detection of potential bugs in software – or the proof of the absence thereof. This detection is done statically by analyzing programs’ source code without running them. We rely on the abstract interpretation framework to derive sound, computable semantics. In particular, we focus on analyzing dynamic programming languages. The target of this work is the analysis of Python programs combined with native C libraries.