#hybrid-fuzzing

共收录 1 条相关安全情报。

← 返回所有主题
推荐 11.5
Conf: 50%
👥 作者: Xinyang Ge, Ben Niu 0007, Robert Brotzman, Yaohui Chen 0001, HyungSeok Han, Patrice Godefroid, Weidong Cui

该论文提出 HyperFuzzer,一种针对虚拟机监控器(hypervisor)中CPU虚拟化实现的高效混合模糊测试工具。在云计算时代,hypervisor 的安全性至关重要,尤其是 CPU 虚拟化模块,它运行在最高特权级,漏洞可能导致整个云平台被攻破。传统黑盒和灰盒模糊测试因搜索空间巨大(涉及数千条指令、复杂交互状态)而只能发现浅层错误;白盒模糊测试(符号执行)虽能进行系统性分析,但现有实现依赖于慢速的硬件模拟器,无法扩展到真实规模。HyperFuzzer 创新地结合了三种技术:灰盒模糊测试用于快速覆盖新代码路径,白盒符号执行对关键模块进行深度分析,以及一个轻量级虚拟 CPU 模型来加速符号执行并避免硬件模拟器瓶颈。核心贡献包括:(1)设计了一种混合测试框架,在灰盒与白盒之间自适应切换,优先探索高风险区域;(2)提出可增量更新的虚拟 CPU 模型,准确刻画指令语义且开销低;(3)在多个主流 hypervisor(如 KVM、Xen)上进行了评估,结果表明 HyperFuzzer 比纯灰盒工具发现深层漏洞的效率提升 10 倍以上,并找到了若干之前未知的虚拟 CPU 漏洞。该方法适用于 hypervisor 安全测试、操作系统内核虚拟化单元测试,以及任何需要深度指令级验证的场景。本文供 hypervisor 开发者、安全研究员以及云平台安全团队参考。

💡 推荐理由: 虚拟 CPU 是 hypervisor 最核心且最难测试的组件,HyperFuzzer 提出了一种可落地的混合模糊测试方案,显著提升了深层漏洞发现效率,对云安全防御具有直接实用价值。

🎯 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)