随着物联网（IoT）设备在无人驾驶、建筑、机器人等对精细化要求较高的行业中广泛部署，其安全性却因设备类型多样、固件执行环境复杂而严重滞后于产业发展。现有固件安全测试方法主要分为直接连接真实设备和部分模拟（partial emulation），这些方法虽然可行，但在大规模分析场景下效率低下且难以覆盖多种固件。完整系统模拟（full system emulation）无需真实设备即可测试大量固件，因此更适用于规模化分析，近年已有研究将模拟与模糊测试等软件测试技术相结合，但仍存在适用性有限和效率不足的问题。针对这些局限，本文提出一种名为 FirmColic 的方法，将模糊测试（fuzzing）与符号执行（concolic execution）相结合，以增强进程模拟（augmented process emulation）为基础，利用基于符号执行的关键字提取来提升模糊测试的有效性。此外，FirmColic 在增强进程模拟环境中引入了五种仲裁（arbitration）技术，以提高模拟的成功率。实验结果表明，与以往研究相比，FirmColic 在检测速度、崩溃发现数量以及代码覆盖率方面均有更优表现。该方法适合固件安全研究人员、IoT 设备制造商以及安全测试工具开发者阅读，为大规模 IoT 固件安全分析提供了一种新的技术思路。

本文提出 LogicFuzz，据作者称这是首个专门针对可编程逻辑控制器（PLC）固件中逻辑指令库进行模糊测试的框架。PLC 广泛用于工业自动化，其逻辑指令库由供应商提供并编译进设备固件，若存在安全缺陷，可能被物理控制程序、网络服务或运行时子系统利用，导致权限绕过、内存破坏或数据泄露。现有模糊测试方法多关注协议或通用固件，难以有效覆盖 PLC 指令的语义依赖和触发条件。LogicFuzz 的核心创新在于构建语义依赖图（SDG），该图同时刻画 PLC 指令的操作语义和指令间依赖关系。结合使能信号（enable-signal）机制，LogicFuzz 能够自动合成针对特定指令的种子程序，显著减少人工构造测试用例的工作量，并支持在真实 PLC 硬件上进行可控、可重置的模糊测试。为了发现由控制流触发（即调用模式）的缺陷，LogicFuzz 通过变异 SDG 来多样化指令调用上下文；为了暴露由数据触发的故障，则在有效语义约束下进行覆盖率引导的参数变异。此外，LogicFuzz 集成了多源 oracle，通过监控运行时日志、状态 LED 和通信状态来检测模糊测试过程中指令级别的异常。作者在来自三家主要厂商的六台生产型 PLC 上进行了评估，共发现 19 个指令级缺陷，其中包含 4 个先前未知的漏洞。该研究对 PLC 安全测试、工业控制系统安全研究以及固件漏洞挖掘具有参考价值。适合关注 ICS/SCADA 安全、模糊测试方法、PLC 固件分析的读者阅读。

该论文针对一款商用车制动电子控制单元（Brake ECU）的固件更新开展了逆向工程与差异二进制分析研究。作者首先分析了更新程序（updater executable）以提取其中包含的固件镜像，随后使用 QBinDiff 工具对基于 S12X 架构的固件版本进行补丁差异对比。研究聚焦于一次安全召回（safety recall）所引入的固件变更，发现这些变更实际上修复了遗留协议处理流程中未公开的多个漏洞。通过深入分析补丁前后的二进制差异，作者定位了具体修改的代码路径，并证明被修补的功能在修复前存在严重缺陷，且这些缺陷可被远程利用。该研究确认了此次安全召回不仅是一款产品缺陷修复，更是一次实质性的安全补丁更新。论文展示了在嵌入式车辆固件中，如何利用公开可得的升级包进行固件提取，以及如何借助二进制差异分析手段识别安全修复点，为同类车辆 ECU 固件的漏洞研究提供了一套可行的方法论。适合汽车安全研究人员、固件逆向工程师及关注供应链安全的蓝队人员阅读，以理解车载嵌入式设备中安全补丁分析的流程与潜在风险。

该论文题为《Operation Mango: Scalable Discovery of Taint-Style Vulnerabilities in Binary Firmware Services》，由亚利桑那州立大学等机构的研究者撰写。根据标题和作者信息判断，本文聚焦于二进制固件服务中污点风格漏洞（如命令注入、路径遍历、内存破坏等）的可扩展自动发现方法。由于仅提供论文元数据而无摘要内容，无法获取具体的架构设计、实验数据集或对比基线。但可以推断，论文可能提出了一种静态分析或混合分析技术，针对固件中的服务程序（如 Web 接口、网络守护进程）进行污点追踪，以发现从不可信输入到敏感操作的污点数据流。作者团队包括多位知名二进制分析专家，如 Ruoyu Wang（Fish）和 Yan Shoshitaishvili，表明工作具有扎实的技术深度。该研究对固件安全分析师、漏洞挖掘工具开发者具有参考价值，可能为嵌入式设备安全评估提供可扩展的自动化分析框架。但具体方法细节、工具可用性和实验效果需阅读原文确认。本摘要基于标题和作者推断，建议读者获取原文以了解完整贡献。

该论文是bootloader安全的系统化知识（SoK）综述。Bootloader是系统启动的第一个软件，负责初始化硬件并加载操作系统，其安全性至关重要，一旦被攻破可导致整个系统失控。论文系统梳理了bootloader的攻击面，包括固件篡改、启动链劫持、侧信道攻击等，并分类讨论了现有防御机制，如Secure Boot、measured boot、硬件信任根（RoT）等。同时，论文分析了不同架构（x86、ARM、RISC-V）下bootloader实现的安全漏洞案例，总结出常见设计缺陷和加固原则。最后，论文指出了当前研究的不足和未来方向，例如对新型硬件特性的安全影响评估不足。适合系统安全研究人员、固件开发者和硬件安全工程师阅读。

该论文提出了一种名为 FIRMWELL 的固件重宿主框架，旨在解决 Linux 固件二进制文件在用户空间依赖项模拟不足的问题。现有方法对用户空间知识利用不充分，导致初始化过程不完整，且将所有模拟失败视为同类，无法区分系统级问题与用户空间依赖的间接影响。FIRMWELL 将固件重宿主建模为目标二进制文件及其用户空间依赖的协同模拟，先重宿主 init 例程构建环境，再启动目标（通常涉及数百个进程）。当模拟失败时，识别阻塞进程，分析错误模拟的资源，并应用针对性修复。其关键策略是通过纠正底层系统级模拟错误来解决用户空间依赖失败，同时利用程序分析进行精确资源值推断。在 14,049 个固件镜像上评估，成功重宿主 6,490 个服务，性能比现有方法（FIRMAE: 3,581, GREENHOUSE: 3,962, PANDAWAN: 810）提升 1.6-8 倍，平均重宿主时间减少 1.8-8.4 倍（12 分钟 vs 22/74/101 分钟）。应用 FIRMWELL 对 1,043 个固件镜像进行模糊测试，发现 67 个零日漏洞，其中 10 个已分配 CVE 编号。

该论文针对现代卫星固件的安全性进行了系统性实验分析。研究首先构建了针对卫星固件的威胁分类法，覆盖了从供应链攻击到在轨漏洞利用的多个层面。随后，作者获取了三个真实在轨卫星的固件映像，并基于实际攻击者模型（如无特权攻击者、具有物理访问能力的攻击者等）进行了逆向工程与漏洞挖掘。实验发现了多个安全关键漏洞，包括缺乏身份验证的调试接口、硬编码凭证、缓冲区溢出以及未受保护的敏感数据存储。此外，作者对19名专业卫星开发者进行了问卷调查，从行业视角印证了卫星安全实践的不足。论文揭示了卫星软件安全现状的严峻性，并呼吁业界摒弃“通过隐匿实现安全”的过时假设，加强固件安全设计与审计。

本文提出 PowerFuzz，一种基于功耗侧信道测量的统计黑盒固件模糊测试框架。其核心动机是：许多嵌入式系统的固件或二进制文件不公开，导致无法使用依赖执行反馈（如分支覆盖率）的灰盒模糊器。PowerFuzz 无需目标固件的任何内部可见性，仅通过测量固件运行时的功耗迹线来推断执行路径。为了解决黑盒模糊中确定执行分支的挑战，作者采用滑动窗口结合增长窗口的全迹线相关方法，利用功耗迹线识别分支行为，并构建固件的高层控制流图。该控制流图用于引导模糊器生成测试用例，探索未覆盖的执行路径。实验在三个嵌入式硬件平台（如 ARM Cortex-M 系列）和十个固件基准测试上进行，结果表明 PowerFuzz 的分支覆盖率与灰盒模糊器相当（差距在 13.5% 以内），且显著优于现有的黑盒模糊器（最高提升 22%）。该方法为闭源固件安全测试提供了一种实用且有效的途径。

该论文提出了 FirmCure，第一个基于大语言模型（LLM）的全系统固件重托管框架，旨在自动化和自适应地重托管 Linux 固件。现有固件重托管方法在处理定制化设备时，由于专用架构和硬件依赖配置，导致初始化及运行时障碍严重依赖专家干预，效率低下。FirmCure 通过三个核心模块解决该问题：自适应感知推理模块，通过静态分析提取固件结构依赖；反射合成模块，迭代优化配置；自主运行时干预模块，通过运行时故障诊断与监控实时修复错误。在来自 10 个厂商、5 种架构的 21 个 IoT 固件映像上评估，FirmCure 实现了 100% 的网络端口开启率和 90.5% 的服务交互性，显著优于现有基线。框架成功复现已知漏洞并发现新安全缺陷，证明其干预策略可跨异构固件泛化。该工作推动了固件安全分析中全系统重托管的自动化水平，降低了对专家知识的依赖。

该论文提出了一种名为Greenhouse的方法，用于在用户态模拟环境中重新托管基于Linux的固件二进制文件。固件重托管是嵌入式设备安全分析中的关键技术，它允许研究人员在模拟环境中运行固件，而无需实际硬件，从而便于进行动态分析、漏洞挖掘和功能测试。传统的全系统模拟方法通常需要模拟整个硬件平台，开销大且复杂度高。Greenhouse的创新之处在于专注于单一服务（single-service）的重托管，即仅提取固件中的某个关键服务（如Web服务器、网络服务等），并在用户态模拟器（如QEMU用户态模式）中直接运行该服务，而无需模拟整个操作系统或硬件。这种方法显著降低了模拟的开销和配置复杂度。论文在多种真实世界固件上进行了实验验证，展示了Greenhouse在功能正确性和性能方面的优势。虽然此处提供的摘要较为简略，但根据标题和领域背景，该工作对嵌入式安全研究社区具有重要参考价值，特别是为自动化固件分析工具的开发提供了新思路。

该论文针对SOHO（小型办公室/家庭办公室）设备中因使用过时Linux内核版本引发的安全漏洞问题进行了系统研究。作者首先通过高精度模板CVE检测机制，对306款SOHO设备的900多个GPL源代码固件进行分析，实际验证了内核相关漏洞的存在。然后，首次大规模溯源了这些易受攻击设备的供应链，发现内核锁定（kernel lock-in）是根本原因：SOHO制造商因依赖SoC（片上系统）厂商提供的SDK而被锁定在特定（通常较旧）的内核版本上。这种锁定期造成了漏洞债务，该债务沿着供应链从SoC供应商传递到固件创建者（ODM/OEM），再到路由器/IP摄像头厂商，最终由终端用户承受。数据显示，所有五家SoC供应商使用的SDK中的Linux内核在其被用于SOHO设备前的至少一年前已停止维护（EOL）。最后，论文评估了个人、监管和社区治理三种缓解措施的潜力，发现仅靠法规遵从不足，只有与社区合作进行内核升级的SoC供应商才提供了可行的缓解路径。研究提供了数据与代码。

该论文系统性地探讨了固件漏洞研究中语料库构建的科学性问题。作者指出，由于样本获取困难（如专有或加密数据）、内容未知、版权限制等挑战，现有固件语料库在可复现性、代表性和可靠性方面存在严重缺陷。他们首先分析了问题空间，提炼出影响语料库构建的实际二进制分析挑战，并据此推导出一套指导方针，旨在帮助研究人员提升语料库的可复现性和代表性。作者将这些方针应用于44篇顶级会议论文，系统评估了当前科学语料库构建实践，发现相关工作缺乏共同基础，存在方法论问题和文档缺失，导致代表性模糊和可复现性受阻。最后，作者展示了方针的可行性，构建了一个用于大规模Linux固件分析的新语料库LFwC，并分享了丰富的元数据以确保良好可复现性；该语料库经过解包验证、去重、内容识别并提供真实基准，证明了其在研究中的实用性。

该论文针对嵌入式固件二进制中认证绕过漏洞的检测问题展开研究。认证绕过漏洞通常源于开发者对认证逻辑的错误实现（如硬编码凭证、弱会话管理、权限检查缺失等），在现实攻击中常被用于获取系统后门或提升权限。现有静态分析工具虽能检测内存破坏漏洞，但在认证逻辑的语义理解上存在局限，难以精准识别绕过路径。作者提出一种基于符号执行与污点分析相结合的混合方法：首先通过二进制程序切片提取认证相关的函数和基本块，然后利用符号执行引擎遍历所有可能的认证分支，并通过污点传播标记关键输入（如密码、令牌、会话ID）。当符号执行发现一条路径既能绕过认证检查（例如使返回值为真）又能到达后续危险函数时，即报告为潜在漏洞。方法的关键创新在于设计了一种轻量级的认证状态机，用于建模固件中常见的认证协议（如挑战-响应、一次性密码等），并支持对多阶段认证流程的建模。实验在包含1200个真实固件镜像的数据集上进行，涵盖了多种嵌入式架构（ARM、MIPS、x86）。结果显示，该方法共发现37个未知认证绕过漏洞，其中19个已获得CVE编号。与现有工具（如FirmUSB、Angr）相比，检测率提升约60%，误报率降低至12%。论文还分析了固件中认证模式的多样性，并讨论了如何将方法扩展到IoT设备范围。

该论文针对现代Linux固件中C-Lua混合Web服务的安全漏洞检测问题展开研究。传统静态污点分析工具通常仅关注固件中的C二进制文件，忽略了Lua脚本及字节码的存在，导致检测覆盖面不足。作者观察到现代固件广泛采用Lua与C混合编程实现Web服务，因此提出FirmCross——一种面向C-Lua混合Web服务的自动化污点风格漏洞检测器。FirmCross能够自动解混淆固件中的Lua字节码，识别Lua代码空间中的独特污点源，并系统性地捕获C-Lua跨语言污点流。在包含来自11家供应商的73个固件镜像的数据集上，FirmCross检测到的漏洞数量是现有最先进工具（MangoDFA和LuaTaint）的6.82倍至14.5倍。尤其值得注意的是，FirmCross帮助发现了610个0-day漏洞，截至论文提交时已有31个漏洞被分配了CVE编号。该工作显著提升了固件Web服务安全分析的完整性和有效性。

本文研究了ASIC加密货币矿机的固件分发生态系统的安全性。矿机是区块链基础设施的核心组件，直接转换算力和能源为货币价值，但其安全性很少被系统评估。作者提出了一种可扩展的方法论，基于收集和静态分析公开分发的固件工件，无需设备访问或运行时交互。他们利用该方法重构并分析了134个固件镜像，覆盖了Bitmain、MicroBT、Canaan、Iceriver等制造商，这些制造商占已部署矿机总量的99%以上。研究发现，仅凭固件工件就足以恢复内部架构、识别安全弱点，并重构出完整的攻击链路，从而实现高影响力的对抗目标。具体而言，分析揭示了导致真实大规模攻击场景的漏洞，包括固件钓鱼和利用仍运行Stratum V1协议的矿机。在两个真实设备上的验证证实，公开分发的工件与已部署软件高度一致，且这些弱点可转化为实际攻击能力。总体而言，研究表明固件分发机制本身构成了主要攻击面，显著降低了ASIC挖矿生态系统的被攻破门槛。该工作为安全社区提供了对矿机供应链安全的新视角，并强调了保护固件分发流程的必要性。

微控制器固件与硬件紧密耦合，导致动态分析工具难以应用。现有最先进的方法通过观察外设访问模式来自动建模未知外设，并利用启发式策略计算访问未知外设寄存器的响应。然而，经验表明该方法及其启发式策略经常不足以成功模拟固件。本文提出了一种名为uEmu的新方法，用于模拟未知外设的固件执行。与现有工作尝试为每个外设构建通用模型不同，uEmu学习如何在单个外设访问点正确模拟固件执行。它接受固件镜像作为输入，通过将未知外设寄存器表示为符号来进行符号执行。在符号执行过程中，uEmu推断响应未知外设访问的规则，这些规则存储在一个知识库中，供动态固件分析时参考。实验表明，uEmu在一组外设驱动单元测试中无需任何手动辅助即达到95%的通过率。此外，使用真实固件样本进行评估时，uEmu发现了新的漏洞。