Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Clutch Control: An Attention-based Combinatorial Bandit for Efficient Mutation in JavaScript Engine Fuzzing

Created by
  • Haebom
Category
Empty

저자

Myles Foley, Sergio Maffeis, Muhammad Fakhrur Rozi, Takeshi Takahashi

개요

본 논문은 웹 브라우저, PDF 리더, 서버 측 애플리케이션 등에서 널리 사용되는 JavaScript 엔진의 보안 문제를 해결하기 위해, 딥러닝 기반의 새로운 딥 컴비네이션 밴딧 (CLUTCH)을 제안한다. CLUTCH는 가변 길이 JavaScript 테스트 케이스 표현을 관찰하고, Concrete Dropout을 사용하여 탐색을 동적으로 조정하며, 기존의 무작위 선택 방식을 대체하여 JavaScript fuzzing의 효율성을 높인다. CLUTCH는 기존 방법보다 유효한 테스트 케이스 수와 테스트 케이스당 커버리지를 각각 평균 20.3% 및 8.9% 증가시켰으며, 변동적이고 조합적인 환경에서 기존 밴딧보다 우수한 성능을 보였다.

시사점, 한계점

•
시사점:
◦
JavaScript fuzzing의 효율성을 향상시키는 새로운 딥러닝 기반 접근 방식 제시.
◦
가변 길이 JavaScript 테스트 케이스 표현을 처리하기 위한 주의 메커니즘 활용.
◦
탐색을 동적으로 조정하기 위한 Concrete Dropout 사용.
◦
기존 방법 대비 유효 테스트 케이스 수 및 커버리지 향상 입증.
◦
변동적이고 조합적인 환경에서 기존 밴딧보다 우수한 성능.
•
한계점:
◦
구체적인 구현 세부 사항 및 실험 환경에 대한 정보 부족.
◦
다른 프로그래밍 언어나 fuzzing 대상에 대한 일반화 가능성 미제시.
◦
CLUTCH의 성능에 영향을 미치는 하이퍼파라미터 튜닝에 대한 논의 부족.
👍
Made with Slashpage