该论文针对内核数据竞争（data race）检测的难题提出了一种新的静态/动态结合分析方法——概率锁集分析（Probabilistic Lockset Analysis, PLA）。内核数据竞争是导致安全漏洞（如 use-after-free、越界写、内核堆内存泄漏）的重要根源，但检测极为困难，原因在于需要同时搜索系统调用组合和并发执行调度，且现有方法难以预测哪些种子组合在内核并发执行时能真正触发竞争。PLA 的核心观察是：系统调用在实现其功能时，几乎总是会对共享内存执行特定的内存访问。基于此，PLA 采用随机化的并发轨迹采样，识别稳定发生的共享内存访问，并结合内核自旋锁/锁同步约束，估算这些访问之间发生数据竞争的概率。通过优先处理高概率竞争，PLA 能做出更准确的预测。实验评估表明，在 24 小时内，PLA 发现竞争的速度是现有方法的 3 倍。作者使用 PLA 在 Linux 内核 v5.18-rc5 中发现了 183 个数据竞争，其中 102 个被认为是有害的，包括内存管理中的 use-after-free、网络加密模块中的越界写（OOB write）以及内核堆内存信息泄漏等具有严重安全影响的漏洞。特别值得注意的是，其中一个由 PLA 发现的越界写竞争自 2013 年（v3.14-rc1）起就存在，并已被分配为高严重性的 CVE。该工作展示了概率推理结合并发采样在内核竞态预测中的潜力，为相关安全工具的开发提供了新方向。适合内核安全研究人员、漏洞挖掘工程师和操作系统开发者阅读。