Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Locus: Agentic Predicate Synthesis for Directed Fuzzing

Created by
  • Haebom

作者

Jie Zhu, Chihao Shen, Ziyang Li, Jiahao Yu, Yizheng Chen, Kexin Pei

概要

この論文は、指定された目標プログラム状態につながるプログラム入力を見つける指向のファジングの効率を向上させる新しいフレームワークであるLocusを提示します。既存のアプローチは、分岐距離または手動で指定された制約に依存していますが、これは目標状態に達する進行状況を正確に特徴付けることに欠けており、特定のバグタイプに合わせて一般化が困難であるという制限があります。 Locusは、目標状態に到達するための中間点として機能する意味のある中間状態を捕捉する述語を合成して、ファジングの進行状況を特定します。プログラム分析ツールを使用したエージェントフレームワークを介して候補述語を合成し、繰り返し改善し、シンボル実行による誤った拒否を防止します。評価の結果、Locusは8つの最先端パージャーの効率を大幅に向上させ、平均41.6倍の速度向上を達成し、以前にパッチされていなかった8つのバグを発見しました。

Takeaways、Limitations

•
Takeaways：
◦
意味のある中間状態を捕捉する述語合成により、指向的なファジングの効率を大幅に向上させました。 (平均41.6xスピードアップ)
◦
既存の手動制約方式の制限を克服し、さまざまなプログラムと目標状態に一般化可能なフレームワークを提示しました。
◦
実際の脆弱性の発見により、Locusの実効性を実証しました。 （8つの新しいバグが見つかりました。そのうちの1つはパッチ中です）
•
Limitations：
◦
述語合成と精製プロセスの複雑さと計算コストの追加分析が必要です。
◦
さまざまなプログラムやバグタイプの一般化能力の追加検証が必要です。
◦
Locusのエージェントフレームワークのパフォーマンスとスケーラビリティの詳細な分析が必要です。
👍
Made with Slashpage