浮点数运算在现代计算机系统中被广泛应用,例如科学计算、图像处理、声音处理等领域。然而,由于浮点数的表示方式和精度限制,浮点数运算可能会产生误差,导致浮点程序出现精度损失问题。这种精度损失问题不仅会影响到浮点程序本身的准确性和可靠性,还会对调用浮点程序的上层软件系统产生影响,从而影响整个软件系统的可靠性。因此检测浮点程序中的精度损失非常必要。浮点数据固有的存储形式,使得浮点数据无法完全表示全体实数,浮点运算中的舍入误差以及误差累积,导致浮点运算程序精度损失不易检测。本文提出了一种动态分析方法来检测浮点程序的精度损失问题。本文主要研究与贡献如下:1.提出了一种基于动态程序分析的浮点程序精度损失检测方法。首先是生成输入数据,将浮点数分布特征与浮点程序代码段执行频率相结合,生成规模合适且分布均匀的输入数据,对浮点程序中的特定精度操作进行检测与排除,借助LLVM的前端Clang工具,分析源代码的组织结构生成抽象语法树,定位浮点数据声明与运算,生成更高精度的MPFR运算,借助Dyninst插桩框架,将浮点运算与更高精度的MPFR运算同时运行比较,进行语句级的精度损失检测,记录浮点程序每一步的精度损失变化情况,生成精度损失变化图,定位浮点精度损失位置。2.提出了一种浮点程序输入数据生成方法。根据浮点数分布不均匀的特点,在浮点程序输入域内,遍历浮点程序输入域内的所有指数,不同指数随机生成小规模浮点数,保证了浮点数的均匀分布,然后结合浮点程序代码段执行频率的高低,生成大规模输入数据。3.实现了由浮点数据声明与运算自动生成更高精度的MPFR代码段。在定位浮点数据声明与运算之后,将中缀表达式转化为后缀表达式,解决中缀表达式运算符优先级的问题,通过遍历后缀表达式,如果遍历到的是数值,则生成相应的MPFR数值声明,如果遍历到的是运算符,则生成相应的MPFR函数运算,需要注意数据类型的匹配问题。本文通过对GSL库中的常用函数以及FPBench中的部分测试用例进行测试,本文方法相比随机生成输入数据方法检测GSL函数的相对误差平均提高43%,与Herbgrind工具相比对FPBench进行测试,相对误差平均提高1.8个比特位。