#differential-fuzzing

共收录 2 条相关安全情报。

← 返回所有主题
推荐 11.5
Conf: 50%
👥 作者: William Woodruff, Niki Carroll, Sebastiaan Peters

本文研究如何将差分模糊测试(differential fuzzing)应用于 x86-64 指令解码器的错误发现。传统模糊测试依赖崩溃、挂起或内存访问错误作为 oracle,而差分模糊测试将同一输入在不同实现之间的行为差异作为潜在错误信号。作者提出了 MISHEGOS,一个新颖的差分模糊测试器,专门用于发现指令解码器之间的解码差异。MISHEGOS 的架构包括一个过近似(overapproximated)的机器指令模型,用于在变长指令架构上滑动生成测试用例,从而高效探测解码器的边界行为。该工具每小时可在普通硬件上生成数亿条解码器测试用例。作者在不依赖硬件解码器作为 ground truth 的情况下,利用 MISHEGOS 在多个流行的 x86-64 指令解码器中发现了数百个错误。此外,MISHEGOS 提供了一个可扩展的分析框架,使用户能够针对单个解码器发现错误,或在多个解码器之间分析各种不一致。论文还讨论了解码错误和不一致的安全影响,例如可能导致反汇编器、二进制分析工具或安全产品在生产环境中产生误判。作者以宽松许可证公开了 MISHEGOS 的源代码。本文的主要贡献包括:首次系统性地将差分模糊测试应用于指令解码器领域;提出了一种针对变长指令集的滑动模糊策略;构建了高吞吐量的测试生成与差异分析框架;并通过实验证明了该方法在发现真实解码器缺陷方面的有效性。适合从事二进制分析、反汇编器开发、模糊测试和安全工具研发的研究人员与工程师阅读。

💡 推荐理由: 指令解码器是反汇编器、二进制分析、漏洞挖掘和取证工具的核心组件。解码差异可能导致安全工具漏报或误报,甚至被攻击者利用来隐藏恶意代码。本文提出的自动化差异发现方法能帮助蓝队提前识别这些隐藏缺陷。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | 命中热门研究主题 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
推荐 11.6
Conf: 50%
👥 作者: Bahruz Jabiyev, Steven Sprecher, Kaan Onarlioglu, Engin Kirda

本文是首篇以系统化科学框架研究 HTTP 请求走私(HRS)攻击的学术工作。HRS 是一种利用代理-源站架构中两个服务器对 HTTP 请求解析差异的攻击手法,攻击者可将隐藏请求通过代理转发至后端服务器。尽管该攻击概念并不新颖,但近期新披露的利用技巧和真实攻击案例使其热度急剧上升。作者没有聚焦于具体的利用载荷,而是退后一步,构建了基于新型语法引导差分模糊测试的实验基础设施。他们对 10 种流行的服务器、代理和 CDN 技术进行两两组合测试,识别出会导致处理差异的服务器组合,并发现可被用于 HRS 的漏洞利用方式。实验揭示了此前未知的操纵 HTTP 请求的利用思路,并首次以文档形式记录了易受 HRS 影响的服务器配对关系。该工作填补了 HRS 缺乏系统性研究的空白,为理解代理-源站间解析不一致性提供了实验基础,并为后续自动化发现类似协议级差异提供了方法论参考。适合 Web 安全研究人员、代理/CDN 开发者以及安全防御团队阅读,以更好地评估自身基础设施的暴露面。

💡 推荐理由: HRS 攻击可绕过安全控制、投毒缓存或劫持用户请求,本文首次系统化识别易受攻击的服务器组合,帮助防御者理解并排查自身代理-源站配置中的潜在差异。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | 命中热门研究主题 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.6)