代码缺陷是程序员在编程时遗留在代码中的错误实现,其能导致软件系统的行为偏离软件需求或产生非预期的错误结果。大量的软件系统失效或不能提供正常服务都归结于软件系统中存在的缺陷,及时发现并排除代码缺陷是软件质量保障的重要环节和手段。其中与软件系统中对象状态相关的缺陷十分普遍,因此一直是代码缺陷检测的关注点。静态分析和动态测试是常用的缺陷检测方法。由于静态分析方法自动化程度高、容易部署,得到学术界和工业界广泛使用。但简单的静态分析结果误报率较高,因而通常需要高精度分析算法提高准确性。现如今软件系统规模日益增大,利用静态分析方法检测状态相关的缺陷需要跟踪对象所有控制流、数据流信息,因此面临着精准度和可扩展性的巨大挑战。现在的研究工作大多仅进行了低精度的静态分析,而高精度静态分析算法通常需要大量的计算资源,难以在资源受限的环境下实现。本文针对大规模软件系统中与状态相关的缺陷的检测问题,研究提高大规模软件系统静态分析方法的精准性和可扩展性的有效方法。论文主要研究工作包括:(1)提出了高精度、高可扩展的上下文敏感以及路径敏感的静态分析方法。本方法提出基于过程间控制流执行树(ICFET)的路径约束编码/解码算法,从而极大降低了对超大规模路径约束的存储、访问等开销,实现了高效、高可扩展的分析支持。然后在此基础上,进行基于约束指导的图可达性计算。(2)提出了基于图可达计算的大规模软件系统中状态相关缺陷静态检测方法。该方法首先利用有穷状态自动机FSM对状态相关缺陷进行建模;然后基于FSM及程序控制流图生成程序状态扩展图;在此基础上,设计检测算法将缺陷检测问题转化为基于约束的图可达计算,从而利用上述高精度、高可扩展性分析方法计算可达边,然后判断每条可达边终点所在的状态是否为FSM中定义的错误状态来实现缺陷检测。(3)基于上述方法实现了一个大规模软件系统中状态相关缺陷静态工具Grapple,并进行了实验评估。在静态分析框架Soot、SMT求解器Z3和大规模系统静态分析工具Graspan的基础上,实现了原型工具Grapple。本文对四个广泛部署的大规模软件系统进行了四种状态相关缺陷的实验评估,实验结果表明Grapple可以对大规模软件系统进行高精度和可扩展的静态分析,并能够有效检测状态相关缺陷。