🚾 🐳 🎅 सभी ईमानदारी में स्थिर विश्लेषण के बारे में 🍊 🕵️ 🏎️

हाल ही में, वे तेजी से स्थैतिक विश्लेषण के बारे में बात कर रहे हैं, विशेष रूप से देखने की दृष्टि से विकसित किए जा रहे सॉफ़्टवेयर उत्पादों की गुणवत्ता सुनिश्चित करने के महत्वपूर्ण साधनों में से एक। स्थैतिक विश्लेषण आपको कमजोरियों और अन्य त्रुटियों को खोजने की अनुमति देता है, इसका उपयोग विकास प्रक्रिया में किया जा सकता है, अनुकूलित प्रक्रियाओं में एकीकृत किया जा सकता है। हालांकि, इसके आवेदन के संबंध में, कई सवाल उठते हैं। पेड और फ्री टूल्स में क्या अंतर है? लिंटर पर्याप्त क्यों नहीं है? आखिर सांख्यिकीय का इससे क्या लेना-देना है? आइए इसे जानने की कोशिश करते हैं।

चलो अंतिम प्रश्न का तुरंत उत्तर दें - आंकड़ों का इससे कोई लेना-देना नहीं है, हालांकि स्थैतिक विश्लेषण को अक्सर गलती से सांख्यिकीय कहा जाता है। विश्लेषण स्थिर है, क्योंकि स्कैनिंग के दौरान आवेदन शुरू नहीं होता है।

सबसे पहले, आइए जानें कि हम प्रोग्राम कोड में क्या देखना चाहते हैं। स्टेटिक विश्लेषण का उपयोग सबसे अधिक बार कमजोरियों की खोज करने के लिए किया जाता है - कोड के अनुभाग, जिनमें से उपस्थिति से गोपनीयता, अखंडता या सूचना प्रणाली की उपलब्धता का उल्लंघन हो सकता है। हालाँकि, समान तकनीकों का उपयोग अन्य त्रुटियों या कोड सुविधाओं की खोज के लिए किया जा सकता है।

हम एक आरक्षण करते हैं कि सामान्य रूप से स्थैतिक विश्लेषण की समस्या एल्गोरिदमिक रूप से अस्वीकार्य है (उदाहरण के लिए, राइस प्रमेय द्वारा)। इसलिए, आपको या तो कार्य की शर्तों को सीमित करना होगा, या परिणामों में अशुद्धि की अनुमति देनी चाहिए (कमजोरियों को छोड़ें, गलत सूचनाएं दें)। यह पता चला है कि वास्तविक कार्यक्रमों पर, दूसरा विकल्प काम करता है।

कई भुगतान और मुफ्त टूल हैं जो विभिन्न प्रोग्रामिंग भाषाओं में लिखे गए अनुप्रयोगों में भेद्यता खोज का दावा करते हैं। आइए विचार करें कि आमतौर पर स्थिर विश्लेषक की व्यवस्था कैसे की जाती है। इसके अलावा हम विश्लेषक कोर और एल्गोरिदम पर ध्यान केंद्रित करेंगे। बेशक, उपकरण इंटरफ़ेस की मित्रता में, कार्यक्षमता के सेट में, विभिन्न प्रणालियों के लिए प्लग-इन के सेट में और एपीआई के उपयोग में आसानी में भिन्न हो सकते हैं। यह शायद एक अलग लेख के लिए एक विषय है।

इंटरमीडिएट प्रस्तुति

स्थैतिक विश्लेषक के संचालन की योजना में तीन बुनियादी चरणों को प्रतिष्ठित किया जा सकता है।

एक मध्यवर्ती प्रतिनिधित्व का निर्माण (एक मध्यवर्ती प्रतिनिधित्व को आंतरिक प्रतिनिधित्व या कोड मॉडल भी कहा जाता है)।
स्थिर विश्लेषण एल्गोरिदम का उपयोग, जिसके परिणामस्वरूप कोड मॉडल नई जानकारी के साथ पूरक है।
संवर्धित कोड मॉडल में भेद्यता खोज नियम लागू करना।

विभिन्न स्थिर विश्लेषक विभिन्न कोड मॉडल का उपयोग कर सकते हैं, उदाहरण के लिए, प्रोग्राम स्रोत कोड, टोकन स्ट्रीम, पार्स ट्री, तीन-एड्रेस कोड, नियंत्रण प्रवाह ग्राफ, बायटेकोड - मानक या देशी - और इतने पर।

कंपाइलर की तरह, लेक्सिकल और सिंटैक्टिक विश्लेषण का उपयोग आंतरिक प्रतिनिधित्व बनाने के लिए किया जाता है, सबसे अधिक बार एक विश्लेषण ट्री (एएसटी, सार सिंथेटिक ट्री)। लेक्सिकल विश्लेषण प्रोग्राम पाठ को न्यूनतम अर्थ तत्वों में तोड़ता है, आउटपुट पर टोकन की एक धारा प्राप्त करता है। पार्सिंग सत्यापित करता है कि टोकन स्ट्रीम प्रोग्रामिंग भाषा के व्याकरण से मेल खाता है, अर्थात, परिणामी स्ट्रीम भाषा के दृष्टिकोण से सही है। पार्सिंग के परिणामस्वरूप, एक पार्सिंग ट्री बनाया गया है - एक संरचना जो कार्यक्रम के स्रोत कोड को मॉडल करती है। अगला, सिमेंटिक विश्लेषण लागू किया जाता है, यह अधिक जटिल परिस्थितियों की पूर्ति की जांच करता है, उदाहरण के लिए, असाइनमेंट निर्देशों में डेटा प्रकारों का पत्राचार।

पार्स ट्री का उपयोग आंतरिक प्रतिनिधित्व के रूप में किया जा सकता है। आप पार्स ट्री से अन्य मॉडल भी प्राप्त कर सकते हैं। उदाहरण के लिए, आप इसे तीन-पता कोड में अनुवाद कर सकते हैं, जो बदले में, एक नियंत्रण प्रवाह ग्राफ (सीएफजी) बनाता है। आमतौर पर, CFG स्थैतिक विश्लेषण एल्गोरिदम के लिए प्राथमिक मॉडल है।

द्विआधारी विश्लेषण (बाइनरी या निष्पादन योग्य कोड का स्थैतिक विश्लेषण) में, एक मॉडल भी बनाया गया है, लेकिन रिवर्स इंजीनियरिंग प्रथाओं का पहले से ही उपयोग किया जाता है: विघटन, निर्वनीकरण, रिवर्स ट्रांसलेशन। नतीजतन, आप स्रोत कोड से उसी मॉडल को प्राप्त कर सकते हैं, जिसमें स्रोत कोड (पूर्ण विघटन का उपयोग करके) शामिल है। कभी-कभी द्विआधारी कोड स्वयं एक मध्यवर्ती प्रतिनिधित्व के रूप में कार्य कर सकता है।

सैद्धांतिक रूप से, स्रोत कोड के करीब मॉडल, विश्लेषण की गुणवत्ता जितनी खराब होगी। स्रोत कोड पर ही, आप केवल नियमित अभिव्यक्तियों की खोज कर सकते हैं, जो आपको कम से कम किसी भी जटिल भेद्यता को खोजने की अनुमति नहीं देगा।

डेटा प्रवाह विश्लेषण

मुख्य स्थिर विश्लेषण एल्गोरिदम में से एक डेटा प्रवाह विश्लेषण है। इस विश्लेषण का कार्य कार्यक्रम के प्रत्येक बिंदु पर यह निर्धारित करना है कि कोड के बारे में कुछ जानकारी डेटा पर काम करती है। जानकारी भिन्न हो सकती है, उदाहरण के लिए, डेटा प्रकार या मान। किस जानकारी को निर्धारित करने की आवश्यकता है, इसके आधार पर, डेटा प्रवाह का विश्लेषण करने का कार्य तैयार किया जा सकता है।

उदाहरण के लिए, यदि यह निर्धारित करना आवश्यक है कि क्या एक अभिव्यक्ति स्थिर है, साथ ही साथ इस स्थिरांक का मूल्य भी है, तो निरंतर स्थिरांक (निरंतर प्रसार) की समस्या हल हो जाती है। यदि चर के प्रकार को निर्धारित करना आवश्यक है, तो हम प्रकार के प्रसार की समस्या के बारे में बात कर सकते हैं। यदि आपको यह समझने की आवश्यकता है कि कौन से चर स्मृति के एक विशिष्ट क्षेत्र को इंगित कर सकते हैं (उसी डेटा को संग्रहीत करें), तो हम पर्यायवाची विश्लेषण (उपनाम विश्लेषण) के कार्य के बारे में बात कर रहे हैं। कई अन्य डेटा प्रवाह विश्लेषण कार्य हैं जिनका उपयोग स्थैतिक विश्लेषक में किया जा सकता है। कोड मॉडल के निर्माण के चरणों की तरह, इन कार्यों का उपयोग संकलक में भी किया जाता है।

कंपाइलरों के निर्माण के सिद्धांत में, एक डेटा स्ट्रीम की इंट्रा-प्रक्रियात्मक विश्लेषण की समस्या का समाधान वर्णित है (यह एक एकल प्रक्रिया / फ़ंक्शन / विधि में डेटा को ट्रैक करने के लिए आवश्यक है)। निर्णय बीजीय अक्षांशों और गणितीय सिद्धांतों के अन्य तत्वों के सिद्धांत पर आधारित हैं। डेटा प्रवाह के विश्लेषण की समस्या को बहुपद समय में हल किया जा सकता है, अर्थात, कंप्यूटर के लिए स्वीकार्य समय के लिए, यदि समस्या की स्थितियां सॉल्वेबिलिटी प्रमेय की शर्तों को पूरा करती हैं, जो व्यवहार में हमेशा नहीं होता है।

हम आपको डेटा प्रवाह के अंतर-प्रक्रियात्मक विश्लेषण की समस्या को हल करने के बारे में अधिक बताएंगे। एक विशिष्ट कार्य निर्धारित करने के लिए, आपको आवश्यक जानकारी का निर्धारण करने के अलावा, आपको CFG में निर्देशों के अनुसार डेटा पास करते समय इस जानकारी को बदलने के लिए नियमों को निर्धारित करने की आवश्यकता है। याद रखें कि सीएफजी में नोड्स मूल ब्लॉक हैं - निर्देशों के सेट, जिनमें से निष्पादन हमेशा अनुक्रमिक होता है, और आर्क मूल ब्लॉकों के बीच नियंत्रण के संभावित हस्तांतरण का संकेत देते हैं।

प्रत्येक निर्देश के लिए

ए स

$एस$ सेट परिभाषित हैं:

$जनरल (एस)$ (निर्देश द्वारा उत्पन्न जानकारी $एस$ )
$मार (एस)$ (निर्देश द्वारा नष्ट की गई जानकारी $एस$ )
$(S) $ मे$ (निर्देश से पहले बिंदु पर जानकारी $एस$ )
$बाहर (एस)$ (निर्देश के बाद बिंदु पर जानकारी $एस$ )।

डेटा प्रवाह विश्लेषण का लक्ष्य सेट को परिभाषित करना है

(S) $ म े

$(S) $ मे$ और

ब ा ह र (ए स)

$बाहर (एस)$ प्रत्येक निर्देश के लिए

ए स

$एस$ कार्यक्रम। समीकरणों की मूल प्रणाली जिसके साथ डेटा प्रवाह के विश्लेषण के कार्य हल किए जाते हैं, निम्नलिखित संबंध (डेटा प्रवाह समीकरणों) द्वारा निर्धारित किया जाता है:

ब ा ह र (ए स) = ((ए स) S k i l l (ए स)) S ज ी न (ए स),

$बाहर (एस) = ((एस) Skill (एस)) S जीन (एस),$

(S) = \cup_{i} आ उ ट (S_{i})

$(S) = ∪_i आउट (S_i)$

दूसरा संबंध सीएफजी आर्क्स के संगम के बिंदुओं पर किन सूचनाओं को "संयुक्त" बनाता है (

S_{i}

$S_i$ - पूर्ववर्ती

ए स

$एस$ सीएफजी में)। संघ, चौराहे और कुछ अन्य लोगों के संचालन का उपयोग किया जा सकता है।

वांछित जानकारी (ऊपर प्रस्तुत कार्यों के मूल्यों का सेट) को बीजीय जाली के रूप में औपचारिक रूप दिया गया है। कार्यों

ज न र ल

$जनरल$ और

म ा र

$मार$ अक्षांशों (प्रवाह कार्यों) पर मोनोटोन मैपिंग के रूप में माना जाता है। डेटा प्रवाह समीकरणों के लिए, समाधान इन मैपिंग का निश्चित बिंदु है।

डेटा प्रवाह विश्लेषण समस्याओं को हल करने के लिए एल्गोरिदम अधिकतम निश्चित बिंदुओं की तलाश करते हैं। समाधान के लिए कई दृष्टिकोण हैं: पुनरावृत्त एल्गोरिदम, दृढ़ता से जुड़े घटकों का विश्लेषण, T1-T2 विश्लेषण, अंतराल विश्लेषण, संरचनात्मक विश्लेषण, और इसी तरह। इन एल्गोरिदम की शुद्धता पर प्रमेय हैं, वे वास्तविक समस्याओं के लिए उनकी प्रयोज्यता का दायरा निर्धारित करते हैं। मैं दोहराता हूं, प्रमेयों की शर्तों को पूरा नहीं किया जा सकता है, जो अधिक जटिल एल्गोरिदम और गलत परिणामों की ओर जाता है।

Interprocedural विश्लेषण

व्यवहार में, डेटा प्रवाह के इंटरप्रोड्यूरल विश्लेषण की समस्याओं को हल करना आवश्यक है, क्योंकि शायद ही कभी एक फ़ंक्शन में भेद्यता पूरी तरह से स्थानीयकृत होगी। कई सामान्य एल्गोरिदम हैं।

इनलाइन कार्य । फ़ंक्शन कॉल बिंदु पर, हम कॉल किए गए फ़ंक्शन को एम्बेड करते हैं, जिससे इंट्राप्रोसेरेडुरल विश्लेषण के कार्य के लिए इंटरप्रोडेक्टल विश्लेषण के कार्य को कम किया जाता है। यह विधि आसानी से लागू की जाती है, लेकिन व्यवहार में, जब इसे लागू किया जाता है, तो एक दहनशील विस्फोट जल्दी से प्राप्त किया जाता है।

प्रोग्राम नियंत्रण प्रवाह के एक सामान्य ग्राफ का निर्माण जिसमें फ़ंक्शन कॉल को फ़ंक्शन के प्रारंभ पते से संक्रमणों द्वारा प्रतिस्थापित किया जाता है, और इस फ़ंक्शन को कॉल करने के लिए सभी निर्देशों का पालन करते हुए रिटर्न निर्देशों को सभी निर्देशों के लिए संक्रमणों द्वारा बदल दिया जाता है। यह दृष्टिकोण बड़ी संख्या में अवास्तविक निष्पादन पथ जोड़ता है, जो विश्लेषण की सटीकता को बहुत कम करता है।

पिछले एक के समान एक एल्गोरिदम, लेकिन किसी फ़ंक्शन पर स्विच करते समय, संदर्भ सहेजा जाता है - उदाहरण के लिए, एक स्टैक फ्रेम। इस प्रकार, अवास्तविक पथ बनाने की समस्या हल हो गई है। हालाँकि, एल्गोरिथ्म सीमित कॉल गहराई के साथ लागू होता है।

बिल्डिंग फ़ंक्शन जानकारी (फ़ंक्शन सारांश)। सबसे अधिक लागू इंटरप्रोडेक्टोरल विश्लेषण एल्गोरिदम। यह प्रत्येक फ़ंक्शन के लिए एक सारांश के निर्माण पर आधारित है: इस नियम को इनपुट तर्कों के विभिन्न मूल्यों के आधार पर, इस फ़ंक्शन को लागू करते समय डेटा के बारे में जानकारी परिवर्तित की जाती है। तैयार-किए गए सारांश का उपयोग कार्यों के आंतरिक प्रक्रियात्मक विश्लेषण में किया जाता है। यहां एक अलग कठिनाई फ़ंक्शन ट्रैवर्सल के आदेश का निर्धारण है, क्योंकि केस-बाय-केस विश्लेषण में, पहले से ही सभी कार्यों के लिए एक सारांश का निर्माण किया जाना चाहिए। आमतौर पर, कॉल ग्राफ को ट्रेस करने के लिए विशेष पुनरावृत्त एल्गोरिदम बनाए जाते हैं।

Interprocedural data flow analysis एक घातीय रूप से कठिन कार्य है, यही कारण है कि विश्लेषक को कई अनुकूलन और मान्यताओं को पूरा करने की आवश्यकता होती है (यह कंप्यूटिंग शक्ति के लिए पर्याप्त समय में सटीक समाधान खोजना असंभव है)। आमतौर पर, एक विश्लेषक का विकास करते समय, उपभोग किए गए संसाधनों की मात्रा, विश्लेषण समय, झूठी सकारात्मक और कमजोरियों की संख्या के बीच समझौता करना आवश्यक होता है। इसलिए, एक स्थैतिक विश्लेषक लंबे समय तक काम कर सकता है, बहुत सारे संसाधनों का उपभोग कर सकता है और झूठी सकारात्मकता दे सकता है। हालांकि, इसके बिना सबसे महत्वपूर्ण कमजोरियों का पता लगाना असंभव है।

यह इस बिंदु पर है कि गंभीर स्थिर विश्लेषक कई खुले उपकरणों से भिन्न होते हैं, जो विशेष रूप से कमजोरियों की तलाश में खुद को स्थिति में ला सकते हैं। रैखिक समय में त्वरित जांच अच्छी होती है जब आपको परिणाम जल्दी प्राप्त करने की आवश्यकता होती है, उदाहरण के लिए, संकलन के दौरान। हालांकि, यह दृष्टिकोण सबसे महत्वपूर्ण कमजोरियों को नहीं खोज सकता है - उदाहरण के लिए, डेटा के कार्यान्वयन से संबंधित।

बेहोश विश्लेषण

हमें डेटा प्रवाह विश्लेषण - टेंट विश्लेषण के कार्यों में से एक पर भी ध्यान देना चाहिए। टेंट विश्लेषण आपको पूरे कार्यक्रम में झंडे वितरित करने की अनुमति देता है। यह कार्य सूचना सुरक्षा के लिए महत्वपूर्ण है, क्योंकि यह इसकी मदद से है कि कमजोरियों को डेटा के कार्यान्वयन से संबंधित खोजा जाता है (एसक्यूएल इंजेक्शन, क्रॉसाइट स्क्रिप्टिंग, ओपन रीडायरेक्ट, फ़ाइल पथ का मिथ्याकरण, और इसी तरह), साथ ही गोपनीय डेटा का रिसाव (पासवर्ड प्रविष्टि) घटना लॉग, असुरक्षित डेटा स्थानांतरण)।

आइए किसी कार्य को अनुकरण करने का प्रयास करें। मान लीजिए हम n झंडे ट्रैक करना चाहते हैं -

f_{1}, f_{2}, . . ., f_{n}

$f_1, f_2, ..., f_n$ । यहाँ बहुत सारी जानकारी बहुत सारे उपसमुच्चय होगी

\ {f_1, ..., f_n \}

$\ {f_1, ..., f_n \}$ , क्योंकि कार्यक्रम के प्रत्येक बिंदु पर प्रत्येक चर के लिए हम उसके झंडे को परिभाषित करना चाहते हैं।

आगे हमें प्रवाह कार्यों को परिभाषित करना चाहिए। इस मामले में, प्रवाह कार्यों को निम्नलिखित विचारों द्वारा निर्धारित किया जा सकता है।

बहुत सारे नियम दिए गए हैं जिसमें निर्माण को परिभाषित किया गया है जो झंडे के एक सेट की उपस्थिति या परिवर्तन का कारण बनता है।
असाइनमेंट ऑपरेशन झंडे को दाईं ओर से बाईं ओर फ़्लिप करता है।
नियम सेट के लिए अज्ञात कोई भी ऑपरेशन सभी ऑपरेंड से झंडे को जोड़ता है और झंडे के अंतिम सेट को ऑपरेशन के परिणामों में जोड़ा जाता है।

अंत में, आपको सीएफजी आर्क के जंक्शन बिंदुओं पर जानकारी के विलय के नियमों को परिभाषित करने की आवश्यकता है। विलय को संघ शासन द्वारा निर्धारित किया जाता है, अर्थात, यदि किसी एकल चर के लिए अलग-अलग झंडे विभिन्न बेस ब्लॉक से आते हैं, तो विलय होने पर उन्हें मिला दिया जाता है। झूठे सकारात्मक को शामिल करना यहां से आता है: एल्गोरिथ्म गारंटी नहीं देता है कि सीएफजी जिस पथ पर दिखाई दिया था, उसे निष्पादित किया जा सकता है।

उदाहरण के लिए, आपको SQL इंजेक्शन जैसी कमजोरियों का पता लगाने की आवश्यकता है। यह भेद्यता तब होती है जब उपयोगकर्ता से असत्यापित डेटा डेटाबेस के साथ काम करने के तरीकों में आता है। यह निर्धारित करना आवश्यक है कि डेटा उपयोगकर्ता से आया था और इस डेटा में दागी ध्वज को जोड़ता है। आमतौर पर, विश्लेषक का नियम आधार पर टेंट फ़्लैग स्थापित करने के नियम निर्धारित करता है। उदाहरण के लिए, अनुरोध वर्ग के getParameter () विधि के रिटर्न मान पर एक ध्वज सेट करें।

इसके बाद, आपको टैन्ट विश्लेषण का उपयोग करके विश्लेषण किए गए कार्यक्रम में ध्वज को वितरित करने की आवश्यकता है, यह देखते हुए कि डेटा को मान्य किया जा सकता है और ध्वज निष्पादन मार्गों में से एक पर गायब हो सकता है। विश्लेषक कई कार्यों को सेट करता है जो झंडे को हटाते हैं। उदाहरण के लिए, HTML टैग से डेटा को मान्य करने का कार्य क्रॉस-साइट स्क्रिप्टिंग (XSS) भेद्यता के लिए ध्वज को साफ़ कर सकता है। या, किसी SQL एक्सप्रेशन के लिए वैरिएबल को बांधने का फंक्शन एसक्यूएल में एम्बेडिंग के लिए फ्लैग को हटा देता है।

भेद्यता खोज नियम

उपरोक्त एल्गोरिदम को लागू करने के परिणामस्वरूप, मध्यवर्ती प्रतिनिधित्व कमजोरियों की खोज करने के लिए आवश्यक जानकारी के साथ पूरक है। उदाहरण के लिए, कोड मॉडल में, जानकारी दिखाई देती है कि कौन से चर कुछ झंडे के हैं, कौन सा डेटा स्थिर है। एक कोड मॉडल के संदर्भ में भेद्यता खोज नियम तैयार किए जाते हैं। नियमों का वर्णन है कि अंतिम अंतरिम दृश्य में कौन सी विशेषताएं एक भेद्यता का संकेत दे सकती हैं।

उदाहरण के लिए, आप एक भेद्यता खोज नियम लागू कर सकते हैं जो एक पैरामीटर कॉल पद्धति को परिभाषित करता है जिसमें दागी झंडा होता है। SQL इंजेक्शन के उदाहरण पर लौटते हुए, हम सत्यापित करते हैं कि टेंट फ़्लैग के साथ चर डेटाबेस क्वेरी फ़ंक्शन में नहीं आते हैं।

यह पता चलता है कि एल्गोरिदम की गुणवत्ता के अलावा, स्टेटिक विश्लेषक का एक महत्वपूर्ण हिस्सा कॉन्फ़िगरेशन और नियम आधार है: एक विवरण जिसमें कोड का निर्माण झंडे या अन्य जानकारी उत्पन्न करता है, जो इस तरह के डेटा को मान्य करता है, और जिसके निर्माण से इस तरह के डेटा का उपयोग महत्वपूर्ण है।

अन्य दृष्टिकोण

डेटा प्रवाह विश्लेषण के अलावा, अन्य दृष्टिकोण भी हैं। प्रसिद्ध में से एक प्रतीकात्मक निष्पादन या अमूर्त व्याख्या है। इन तरीकों में, प्रोग्राम सार डोमेन पर चलता है, प्रोग्राम में डेटा प्रतिबंधों की गणना और वितरण। इस दृष्टिकोण का उपयोग करके, कोई न केवल भेद्यता का पता लगा सकता है, बल्कि उन इनपुट डेटा की शर्तों की भी गणना करता है जिनके तहत भेद्यता शोषक है। हालांकि, इस दृष्टिकोण में गंभीर कमियां हैं - वास्तविक कार्यक्रमों पर मानक समाधान के साथ, एल्गोरिदम तेजी से विस्फोट करते हैं, और अनुकूलन से विश्लेषण की गुणवत्ता में गंभीर नुकसान होता है।

निष्कर्ष

अंत में, मुझे लगता है कि स्थैतिक विश्लेषण के पेशेवरों और विपक्षों के बारे में बोलते हुए, यह योग्‍य है। यह तर्कसंगत है कि हम गतिशील विश्लेषण के साथ तुलना करेंगे, जिसमें प्रोग्राम निष्पादन के दौरान भेद्यता खोज होती है।

स्थिर विश्लेषण का निस्संदेह लाभ विश्लेषण कोड का पूरा कवरेज है। इसके अलावा, स्थैतिक विश्लेषण के फायदों में यह तथ्य शामिल है कि इसे चलाने के लिए एक लड़ाकू वातावरण में एप्लिकेशन को चलाने की आवश्यकता नहीं है। स्थैतिक विश्लेषण को विकास के शुरुआती चरणों में लागू किया जा सकता है, जो कमजोरियों की लागत को कम करता है।

स्थैतिक विश्लेषण के नुकसान झूठी सकारात्मकता, संसाधन खपत और कोड की बड़ी मात्रा पर एक लंबे स्कैन समय की अपरिहार्य उपस्थिति हैं। हालाँकि, ये नुकसान अपरिहार्य हैं, एल्गोरिदम की बारीकियों के आधार पर। जैसा कि हमने देखा, एक त्वरित विश्लेषक को एसक्यूएल इंजेक्शन और इस तरह की वास्तविक भेद्यता कभी नहीं मिलेगी।

हमने स्थैतिक विश्लेषण उपकरणों के उपयोग की शेष कठिनाइयों के बारे में एक अन्य लेख में लिखा है, जो कि, जैसा कि यह बताता है, काफी अच्छी तरह से दूर किया जा सकता है।

सभी ईमानदारी में स्थिर विश्लेषण के बारे में