Информационные технологии в науке, образовании и производстве ИТНОП-2010. Материалы IV-й Международной научно-технической конференции. Том 2

Подождите немного. Документ загружается.

ИТНОП-2010

где P – процент перекрытия объекта;

l – коэффициент, выбираемый по результатам экспериментов.

Для выбора коэффициента следует постулировать некоторой 3D-сцене заданное

значение сложности перекрывания. Так, постулировав для сцены 3 (табл. 1) значение Sl

0.5, получатся значения сложности, представленные в таблице как нелинейные зависимости.

В этом случае коэффициент l = 0.242.

Таблица 1 – Примеры определения сложности трёхмерной сцены

№ Трёхмерная сцена M(Sl

) Sl

1. Линейная зависимость

от процента

перекрытия:

0.029

Нелинейная

зависимость от

процента перекрытия:

0.425

Линейная зависимость

от процента

перекрытия:

0.736

Нелинейная

зависимость от

процента перекрытия:

0.844

2. Линейная зависимость

от процента

перекрытия:

0.043

Нелинейная

зависимость от

процента перекрытия:

0.467

Линейная зависимость

от процента

перекрытия:

0.740

Нелинейная

зависимость от

процента перекрытия:

0.855

Линейная зависимость

от процента

перекрытия:

0.057

Нелинейная

зависимость от

процента перекрытия:

0.500

Линейная зависимость

от процента

перекрытия:

0.744

Нелинейная

зависимость от

процента перекрытия:

0.864

Описанная выше сложность распознавания трёхмерной сцены даёт общее

представление о том, насколько сложно будет распознать эту сцену с различных ракурсов.

Однако в задаче стереозрения необходимо определить, какова сложность распознавания

окружающего мира с конкретной точки наблюдения:

))),,,((1))((1(

1),,,(

zyxSlMSlM

zyxSl

поб

φ−−−=φ , (1)

где φ, x, y, z определяют положение и направление камеры;

(φ, x, y, z) – сложность, обусловленная перекрытием объектом только с одного

направления.

Если рассматривать трёхмерные сцены из таблицы 1, то можно видеть, что для

каждой из них M(Sl

(φ, x, y, z)) = 0, так как ни один объект не перекрывает другой с

использованного положения камеры. Если же посмотреть на сцену №3 из таблицы 1 с другой

позиции, когда взгляд направлен вдоль одной из осей шаров, то M(Sl

(φ, x, y, z)) = 0.35 при

линейной зависимости от процента перекрытия.

IV Международная научно-техническая конференция

Однако прямой взаимосвязи между выражением (1) и сложностью распознавания

конкретного алгоритма стереозрения нет. Так, например, функция

cvFindStereoCorrespondenceGC из библиотеки OpenCV [5], которая работает по алгоритму

вырезки графа [6], даёт недостаточно хорошие результаты на изображении, сложность

распознавания которого, обусловленная перекрытием, равна нулю (рис. 3).

Рисунок 3 – Левое изображение для алгоритма стереозрения (а); результат работы функции

cvFindStereoCorrespondenceGC (б)

Снижения вычислительной нагрузки можно также добиться, используя средства

детектирования движений на охраняемой территории (рис. 4).

Рисунок 4 – Модель адаптивной системы стереозрения для контроля передвижения объектов с

дополнительным блоком детектирования движений

Введение в схему блок детектирования движений позволяет инициировать анализ

потоков λ' только при наличии в них движений (n > λ) и только на тех участках изображений,

где произошло движение. При этом сам блок детектирования движений работает по

оптимальному подходу, предложенному в работе [7].

Особенностью контролирования передвижений объектов на охраняемой территории

является то, что возникновение ситуации, при которой движение наблюдается на всех

камерах и затрагиваются все участки изображений, маловероятно. Поэтому применение

разработанной модели может дать значительное снижение максимального количества

операций в единицу времени и снизить затраты на внедрение и поддержку системы контроля

за передвижением объектов.

а)

б)

Блок выбора

оптимального

режима

Блок

стереозрения

Территория контроля

, D

, V

λ'

M, Sl, D

Блок

взаимодействия

с объектом

Блок

детектирования

ИТНОП-2010

ЛИТЕРАТУРА

1. Вахитов А.Т., Гуревич Л.C., Павленко Д.В. Обзор алгоритмов стереозрения //

Стохастическая оптимизация в информатике. Выпуск 4. – СПб.: Издательство Санкт-

Петербургского университета. – 2008. – С. 151-169.

2. Кручинин А.Ю., Приймак С.В. Модель адаптивной системы стереозрения для подвижного

робота: материалы VIII всероссийской научно-практической конференции (с

международным участием) «Современные информационные технологии в науке,

образовании и практике» / Оренбург: ИПК ГОУ ОГУ. – 2009. – С. 131-135.

3. Кручинин А.Ю. Управление процессом распознавания образов на основе оценки его

сложности: Сборник статей X международной научно-технической конференции

«Информационно-вычислительные технологии и их приложения» / Пенза: РИО ПГСХА. –

2009. – С. 143-149.

4. Матвеев С.В. Сложность трёхмерных многообразий: проблемы и результаты : труды

конференции «Геометрия и приложения». – Новосибирск. – 2000. – С. 102-110.

5. Bradsky G., Kaehler A. Learning OpenCV - O'Reilly. –2008. – 555 p.

6. V. Kolmogorov. Graph Based Algorithms for Scene Reconstruction from Two or More Views.

PhD thesis, Cornell University. – September 2003.

Кручинин А.Ю. Повышение эффективности систем детектирования движений на основе

принципа разумной достаточности: Сборник статей XI международной научно-

технической конференции «Информационно-вычислительные технологии и их

приложения» /

Пенза: РИО ПГСХА. – 2009. – С. 157-162.

Кручинин Александр Юрьевич

Оренбургский государственный университет, г. Оренбург

К.т.н., старший преподаватель

Тел.: (3532) 361001

E-mail:

kruchinin@vidikon.com

IV Международная научно-техническая конференция

УДК 004.8

В.А. ЛОМАЗОВ, В.И. ЛОМАЗОВА

ВЫБОР МАТЕМАТИЧЕСКОЙ МОДЕЛИ ПРИ АВТОМАТИЗАЦИИ

НАУЧНЫХ ИССЛЕДОВАНИЙ

На примере класса математических моделей линейной термоупругости исследуется подход к

формализации перехода от содержательного к модельному описанию процессов, основанный на

применении методов теории принятия решений. Для выбора модели минимальной сложности

предлагается использовать генетические алгоритмы.

Ключевые слова: моделирование; принятие решений; генетические алгоритмы;

термоупругость.

Approach for formalization of transaction from concept to model description of processes on

example of leaner thermo elasticity models class is investigated. Genetic algorithms for minimal model

choice are suggested.

Keywords: modeling; decision making; genetic algorithms; thermo elasticity.

Автоматизация научных исследований, являясь одним из основных способов

повышения их эффективности, требует высокой степени формализации операций, что

обуславливает наличие в автоматизированных системах научных исследований (АСНИ)

специальных подсистем, поддерживающих компьютерное моделирование исследуемых

объектов (явлений, процессов). При этом актуальной является проблема формализации

выбора наиболее подходящих для дальнейшего применения математических моделей,

имеющая свои особенности в зависимости от предметной области исследований.

Традиционный подход [1] предполагает использование схемы математического

моделирования (рис.1а), в рамках которой окончательный выбор оптимальной модели

осуществляется на последнем этапе – этапе оптимизации. При этом, поскольку критерии

выбора никак не учитываются на предыдущих этапах математического моделирования, этот

этап, как правило, сводится к последовательному перебору построенных математических

моделей с остановом либо при исчерпании количества попыток, либо при неулучшении

решений после определенного числа итераций. Таким образом, недостатком традиционного

подхода является нерациональное многократное применение весьма трудоемкой процедуры

«построения-проверки адекватности-корректировки» математических моделей, что делает

его целесообразным только в тех случаях, когда оптимизация модельного описания не

существенна и можно обойтись небольшим числом итераций рассматриваемой процедуры. В

противном случае желательно было бы учесть возможные сложности последующего

дальнейшего применения математических моделей уже на этапе их построения (проверки

адекватности).

В качестве одного из возможных вариантов такого учета предлагается разработка на

этапе формализации операций (построения математической модели) не одной, а целого

класса моделей. Это позволяет на следующем этапе производить выбор (с учетом требований

адекватности) оптимальной модели из имеющихся альтернатив. Предлагаемая схема

математического моделирования (рис.1б) эффективна в случаях, когда имеется возможность

построения достаточно широкого круга математических моделей исследуемого объекта и

многократное последующее применение выбранной модели.

Примером рассмотренной ситуации является выбор модели термоупругости,

реализуемый отдельной подсистемой моделей и алгоритмов АСНИ «Автоматизированная

система исследований композитных материалов» (АСИКМ) [2], предназначенной для

информационного обеспечения исследований образцов конструкционных композитных

материалов при выборе материала в рамках конструкторской подготовки производства

(рис.2).

ИТНОП-2010

Рисунок 1 – Традиционная а) и предлагаемая в работе б) схемы математического моделирования

Рисунок 2 – Структурная схема АСНИ «Автоматизированная система исследований

композитных материалов»

Подсистема моделей

и алгоритмов

Алгоритмы

диагностики

Алгоритмы

стат. анализа

Алгоритмы

классификации

Алгоритмы

оптимизации

Алгоритмы

экспертного

ан

лиза

Информационная подсистема

БД

«Испытания

БД

«Параметры

моделей и

горитмов»

БД

«Обра

цы»

БД

«Матери

лы

Подсистема визуализации и отображения

Генерация отчетов

Построение диаграмм

Интерфейсная подсистема

Авторизация и

разгр

ничение

Выбор задач и

пар

метров

Помощь и

контекстная

Протоколирование действий

Содержательное

описание

Построение мат.

модели

Проверка

адекватности

Корректировка

мат. модели

Оптимизация

мат.

модели

Содержательное

описание

Построение класса

мат. моделей

Оптимальный выбор

из класса моделей с

учетом требований

адекватности

IV Международная научно-техническая конференция

Одним из методов исследования свойств композитных материалов (КМ) является

диагностирование образцов инициированием в них термоупругих процессов [3]. В

математическом плане определение термомеханических свойств КМ по результатам

измерений температуры и перемещений на поверхностях образцов сводится к решению

коэффициентных обратных задач для уравнений термоупругости в рамках выбранной

модели. Существование большого числа различных моделей термоупругости объективно

отражает сложность рассматриваемых процессов. Представляется целесообразным не

пытаться использовать всюду наиболее полную (а значит, и наиболее сложную) модель, а

выбрать для описания рассматриваемого процесса более простую модель, учитывающую,

однако, необходимые эффекты. Выбор модели зависит от особенностей изучаемого

материала (процесса) и цели исследования.

Рассматривая основные линейные модели, описывающие нестационарные

термоупругие процессы в неоднородных анизотропных средах, введем бинарный векторный

параметр

κκ

)

, каждая компонента которого может принимать

значение либо

, либо

, что отражает учет или неучет в рамках различных моделей

следующих эффектов:

κκ

– инерция теплового потока (конечность скорости

распространения тепла);

κκ

2 –

термоупругая диссипация (зависимость тепловых полей от

скорости изменения объемных деформаций);

κκ

3 –

зависимость полей деформаций и

напряжений от градиентов температур;

κκ

4 –

нестационарность полей деформаций и

напряжений;

κκ

5 –

нестационарность тепловых полей;

κκ

6 –

пространственная неоднородность

среды;

κκ

7 –

анизотропия среды. Рассматриваемый кортеж естественно назвать вектором

модели термоупругости. Он может быть дополнен компонентами, соответствующими

другим факторам, которые могут быть учтены при моделировании термоупругого

деформирования тел (например, термочувствительность среды, нелинейные и вязкоупругие

эффекты и др. [3-5]), однако рассмотренный набор термомеханических эффектов уже

охватывает достаточно широкий круг моделей термоупругости.

Подход, основанный на учете или неучете различных эффектов, носит общий

характер и может быть применен в рамках математического моделирования объектов и

явлений различной природы, но его использование при моделировании теромоупругих

процессов целесообразно еще и потому, что компоненты вектора модели естественным

образом могут быть введены в уравнения обобщенной термомеханики в качестве

коэффициентов.

Рассмотрим неоднородное анизотропное тело, первоначально имеющее температуру

и находящееся в недеформированном и ненапряженном состоянии. Для описания

дальнейшего термоупругого состояния тела будем пользоваться прямоугольной декартовой

системой координат

x=(x

)

. Под действием термосиловых нагружений (в том числе,

массовых сил и тепловых источников, имеющих распределения

=1,2,3

соответственно) в теле могут возникнуть перемещения

(

=1,2,3), деформации

напряжения

σσ

(

i,j=

1,2,3), тепловые потоки

(

1,2,3), а также может произойти изменение

температуры

θθ

. Все эти величины полагаются достаточно гладкими функциями

пространственных координат и времени

. Вводя компоненты вектора модели в известные

соотношения обобщенной термомеханики, получим модификации этих соотношений:

уравнение теплового баланса:

0ijij02j,jv5

feTqC

=++

ββ

βκ

κκ

κθ

θθ

θκ

κκ

, (1)

обобщенный закон Фурье:

0Kqq

j,ijjii1

=++

θθ

θτ

ττ

τκ

κκ

, (2)

уравнения движения (равновесия):

ij,ijji4

fu =−

σσ

σρ

ρρ

ρκ

κκ

, (3)

соотношения Коши:

02/)uu(e

i,jj,ij,ij

=+−

, (4)

ИТНОП-2010

обобщенный закон Дюамеля-Неймана:

0eC

ij3klijklij

=+−

θθ

θβ

ββ

βκ

κκ

κσ

σσ

, (5)

и соотношения пространственной неоднородности и анизотропии:

νν

= С

νν

κκ

νν

ττ

κκ

ττ

ρρ

κκ

ρρ

=(K

κκ

)

δδ

κκ

ββ

κκ

ββ

)

δδ

κκ

(

ββ

κκ

ββ

)

ijkl

λλ

κκ

λλ

)

δδ

µµ

κκ

µµ

)

(

δδ

)

κκ

ijkl

ijrl

)

, (6)

{С

νν

ττ

ρρ

, K, K

ββ

λλ

µµ

, C

ijkl

}

= {С

νν

ττ

ρρ

, K, K

ββ

λλ

µµ

, C

ijkl

}

(x)

{С

νν

ττ

ρρ

, K, K

ββ

λλ

µµ

, C

ijkl

}

-const

i,j,k,l=1,2,3

где

– удельная теплоемкость при постоянной деформации;

ββ

(i,j =1,2,3)

– коэффициенты термического объемного расширения;

ĳkm

(i,j,k,m=1,2,3)

– изотермические коэффициенты жесткости анизотропной среды;

(i,j=1,2,3)

– коэффициенты теплопроводности анизотропной среды;

– время релаксации теплового потока;

ρρ

– плотность.

Все эти величины полагаются достаточно гладкими функциями пространственных

координат. Точки над величинами означают частные производные по времени

, индекс

после запятой – частную производную по соответствующей пространственной координате,

δδ

– символ Кронекера. По повторяющемуся индексу производится суммирование.

Разные значения вектора модели

, входящего в соотношения (1)-(6), соответствуют

различным моделям термоупругости. Так, например, при

κκ

=(0,0,0,0,0,0,0)

система

распадается на эллиптические уравнения установившейся теплопроводности и уравнения

статической упругости с постоянными коэффициентами. При

κκ

= (0,0,1,1,1,0,0)

соотношения

(1)-(6) соответствуют уравнениям теории температурных напряжений, при

κκ

=(1,1,1,1,1,1,1)

– уравнениям обобщенной термомеханики для неоднородной и анизотропной среды.

Наиболее полной из рассмотренных моделей является модель обобщенной

термомеханики. В то же время менее полные модели, как это видно из приведенных ссылок,

не потеряли своей значимости и продолжают широко использоваться. Кроме соображений

простоты, переход от более полной модели к менее полной целесообразен еще и тем, что

фактически он предполагает априорную оценку качественного и количественного вклада

различных факторов. Такой анализ полезен, поскольку аналитический вид решения не всегда

позволяет выделить и оценить эти факторы, а при численном решении компоненты

численной схемы, соответствующие пренебрежимо малым эффектам, могут стать причиной

дополнительных сложностей и даже привести к неустойчивости численного процесса.

Используя модельное представление (1)-(6), выбор оптимальной (по затратам на

проведение исследований при сохранении требуемого уровня адекватности) модели

термоупругости может быть осуществлен на основе явного представления критерия

оптимальности в виде функции от вектора модели. Этот подход представляется наиболее

предпочтительным, поскольку в его рамках процесс получения экспертных оценок

особенностей предметной области отделен от процесса непосредственного выбора

оптимальной модели. Для нахождения оптимальной модели будем использовать

генетические алгоритмы (ГА), рассматривая вектор модели в качестве хромосомы. Учет

большого числа факторов, как правило, связан с увеличением затрат, связанных с

IV Международная научно-техническая конференция

использованием модели, поэтому в качестве нормализованной функции приспособленности

(fitness-function)

F(æ)

естественно использовать

F(æ) =(n-

∑

αα

)/n

∑

αα

=1, α

≥0 (i=1,2,..,n),

где

– весовые коэффициенты, отражающие влияние учета соответствующих факторов на

затраты (например, время работы процессора) при численном решении конкретной задачи

определенным методом;

– количество компонент вектора модели (в рассматриваемом

случае

=7).

Определение весовых коэффициентов производится на основе экспертных оценок с

использованием методов командного ранжирования или парных сравнений.

Целесообразность применения ГА вместо полного перебора даже при небольшом числе

альтернатив связана с трудоемкостью проверки адекватности моделей очередного

поколения, которая может быть проведена сравнением с экспериментальными данными или

с данными вычислительных экспериментов по наиболее полной модели, но в любом случае

требует значительных затрат. Расширение числа факторов при выборе модели увеличивает

множество возможных альтернатив и делает предлагаемый подход еще более эффективным.

В практическом плане наибольший интерес представляет дальнейшее развитие и

применение предложенного в работе подхода к выбору моделей термомеханического

деформирования элементов конструкций из композитных материалов [6-8] (основанных на

общих соотношениях вида (1-6)), что частично удалось реализовать в АСНИ

«Автоматизированная система исследований композитных материалов» [2].

ЛИТЕРАТУРА

1. Самарский А.А., Михайлов А.П. Математическое моделирование: Идеи. Методы.

Примеры. – М.: ФИЗМАТЛИТ, 2002.–320 с.

2. Ветренко М.С. Ломазов В.А. Информационное обеспечение исследований

конструкционных композитных материалов // Известия ОрёлГТУ. Сер.

«Информационные системы и технологии», 2008. №1-3/269(544). – С.27-32.

3. Ломазов В.А. Задачи диагностики неоднородных термоупругих сред. – Орел: ОрелГТУ,

2003. – 172 с.

4. Ломазов В.А., Немировский Ю.В. Учет термочувствительности в задаче диагностики

термоупругих сред // Прикладная механика и техническая физика.– 2003.– Т.44.– №1. –

С.176-184.

5. Ломазов В.А. Математическая модель диагностики слоистой термовязко-упругой среды //

Известия ОрелГТУ. Сер. «Информационные системы и технологии», 2003.– Вып.1. –

С.62-73.

6. Ломазов В.А. Об одной постановке задачи диагностики остаточных напряжений в

слоистых средах // Механика композиционных материалов и конструкций.– 2003. – Т.9.–

№2.– С. 181-190.

7. Ломазов В.А. Об одной постановке задачи диагностики переходной зоны дисперсно-

упрочненного композитного материала // Математическое моделирование. – 2004 – Т.16. –

№ 11. – С.120-128.

8. Ветренко М.С. Математическое моделирование диагностики переходной зоны

композитного материала волокнистой структуры / М.С. Ветренко, В.А. Ломазов, В.И.

Ломазова // Проблемы машиностроения и надежности машин, 2006. – № 2. – С.110-116.

Ломазов Вадим Александрович

Белгородская государственная сельскохозяйственная академия, г. Белгород

Д. физ.-мат. наук, зав. кафедрой информатики и информационных технологий

E-mail: vlomazov@yandex.ru

Ломазова Валентина Ивановна

Белгородский государственный университет, г. Белгород

Преподаватель

ИТНОП-2010

УДК 004.056.53

В.В. ЛЫСЫХ

ПРОБЛЕМА ЗАЩИТЫ ПРОГРАММНЫХ ПРОДУКТОВ

ВНЕ ДОВЕРЕННОЙ ВЫЧИСЛИТЕЛЬНОЙ СРЕДЫ

Проводится классификация современных методов защиты программных продуктов. Даётся

понятие процесса обфускации. Сравниваются методы запутывания и методы анализа программ.

Формулируются свойства, которыми должен обладать запутанный программный продукт.

Предлагается метод запутывания, удовлетворяющий перечисленным свойствам.

Ключевые слова: обфускация программ.

In this article the classification of the modern methods of defense software is held. The idea of the

process of obfuscation is given and the methods of the analysis are compared. The properties of the obfuscated

software are formed and the method of obfuscation of these listed properties is offered.

Keywords: program obfuscation.

Одним из важных направлений деятельности в области обеспечения информационной

безопасности является защита программных продуктов от вредоносных воздействий на

информацию в процессе функционирования компьютерных систем.

Существующие способы защиты программных продуктов можно разделить на

способы, реализуемые с помощью

аппаратных и программных и средств защиты

[3,5].

К аппаратным относятся средства

, использующие специальное оборудование [1] или

физические особенности носителей, чтобы идентифицировать оригинальную версию програм-

мы и защитить продукт от нелегального использования. Такие методы наиболее удобны для

производителя программного обеспечения, так как легко можно защитить уже полностью

готовый и оттестированный продукт. Но они не всегда приемлемы, поскольку могут работать

только внутри доверенной вычислительной среды. Проблема защиты программных продуктов

вне доверенной вычислительной среды определяется тем, что применение аппаратных средств

является невозможным. В этом случае защита программного продукта зависит от качества

реализации защиты программными средствами.

Программные средства защиты

реализуются программным путем без использования

физических характеристик носителей информации, специального оборудования и т.п. Под

программными методами защиты информации понимается комплекс специальных алгоритмов

и компонентов общего программного обеспечения вычислительных систем, предназначенных

для выполнения функций контроля, разграничения доступа и исключения

несанкционированного доступа [2,6].

К программным методам защиты программных продуктов относится использование

водяных знаков (software watermark), отпечаток пальца (software fingerprint), установка

подлинности кода (tamper-proofing), шифрование программного кода (enciphering) и запу-

тывание программ (obfuscated program). [1, 4]

Обфускация

(obfiiscation – запутывание) – это один из методов защиты программного

кода, который позволяет усложнить процесс реверсивной инженерии кода защищаемого

программного продукта [7,8].

Суть процесса заключается в том, чтобы запутать программный код и устранить

большинство логических связей в нем, то есть трансформировать его так, чтобы он был очень

труден для изучения и модификации посторонними лицами.

Запутывание как метод защиты программных продуктов можно считать сравнительно

новым и перспективным. Обфускация соответствует принципу экономической целе-

сообразности, так как ее использование незначительно увеличивает стоимость программного

продукта и позволяет при этом снизить потери от пиратства, а также плагиата в результате

IV Международная научно-техническая конференция

кражи уникального алгоритма работы защищаемого программного продукта [9].

Запутывающие преобразования позволяют обеспечить скрытность деталей реализации

программных продуктов. Такой подход существенно усложняет процесс реверсивной

инженерии кода защищаемого программного продукта.

Определим понятия «запутывающие преобразования», «запутанная программа»,

«процесс запутывания».

Запутывающие преобразования

(obfuscating transformations) – это преобразования, в

результате применения которых к исходной программе изменяется ее структура или код, но

при этом она остается работоспособной и выполняет те же функции.

Запутанной (obfuscated) программой

называется программа, которая после

применения запутывающих преобразований на всех допустимых для исходной программы

входных данных выдаёт тот же самый результат, что и оригинальная программа, но более

трудная для анализа, понимания и модификации[10].

Процесс запутывания

– это процесс трансформации исходной программы с помощью

запутывающих преобразований, после которого программа становится запутанной.

В зависимости от того, на трансформацию какой из компонент программы направлены

запутывающие преобразования, их можно разделить на несколько групп:

•

преобразования форматирования

(лексическое запутывание) - преобразования,

которые изменяют только внешний вид программы. К этой группе относятся преобразования,

удаляющие комментарии, отступы в тексте программы или переименовывающие

идентификаторы;

•

преобразования структур данных

, изменяющие структуры данных, с которыми

работает программа. К этой группе относятся преобразования, изменяющие иерархию

наследования классов в программе, или преобразования, объединяющие скалярные

переменные одного типа в массив;

•

преобразования потока управления программы

, которые изменяют структуру её

графа потока управления, такие, как развёртка циклов, выделение фрагментов кода в

процедуры и другие;

•

превентивные преобразования

, нацеленные против определённых методов

декомпиляции программ или использующие ошибки в определённых инструментальных

средствах декомпиляции.

Рассмотрим методы, которые применяются при анализе программ в компиляторах.

Цель таких методов – выявление зависимостей между компонентами программы, что даёт

возможность применить определённые оптимизационные преобразования или накладывает

ограничения на проводимые оптимизационные преобразования.

Методы анализа программ

могут быть разделены на 4 группы:

•

синтаксические – методы, основанные только на результатах лексического,

синтаксического и семантического анализа программы;

•

статические – методы анализа потоков управления и данных и методы, основанные на

результатах анализа потоков управления и данных. Статические методы анализа работают с

программой, не используя информацию о работе программы на конкретных начальных

данных;

•

динамические – основаны на использовании информации, полученной в результате

«наблюдения» за работой программы на конкретных входных данных;

•

статистические – методы, использующие информацию, собранную в результате

значительного количества запусков программы на большом количестве наборов входных

данных.

Сравнение метода запутывания и метода анализа программ показывает, что

запутывающие преобразования процессом форматирования не устойчивы к методам

синтаксического анализа, т.к. программы обладают свойством открытости семантики. Для

анализа таких программ достаточно изучение семантики программы, что дает возможность