본 논문은 커널 버그 탐지를 위한 커널 퍼징(kernel fuzzing)을 향상시키기 위해, 대규모 언어 모델(LLM)을 활용하여 시스템 콜(syscall) 명세를 자동으로 생성하는 새로운 방법인 KernelGPT를 제안한다. 기존의 수동적인 시스템 콜 명세 생성의 어려움을 해결하기 위해, LLM이 사전 훈련 과정에서 습득한 커널 코드, 문서 및 사용 사례 정보를 활용하여 유효한 시스템 콜을 생성한다. KernelGPT는 반복적인 접근 방식을 통해 명세를 추론하고 검증 피드백을 기반으로 디버깅 및 수정을 수행한다. 실험 결과, KernelGPT는 기존 기술보다 더 많은 새로운 유효한 명세를 생성하고 더 높은 커버리지를 달성함을 보여준다. 새롭게 생성된 명세를 사용하여 Linux 커널에서 24개의 새로운 버그를 발견했으며, 그중 12개는 수정되었고 11개는 CVE 번호가 할당되었다. 또한, KernelGPT가 생성한 여러 명세는 Syzkaller 커널 퍼저 개발팀의 요청에 따라 Syzkaller에 통합되었다.
