#memory-corruption

共收录 4 条相关安全情报。

← 返回所有主题
推荐 9.5
Conf: 50%
👥 作者: Johannes Blaser, Floris Gorter, Klaus von Gleissenthall, Herbert Bos

该研究提出了一种名为QuickSafe的针对性加固技术,旨在防御内存损坏漏洞。传统的内存安全方案(如ASLR、堆栈保护)往往存在性能开销大或覆盖范围有限的问题。QuickSafe的核心思路是通过静态分析和运行时监控,仅对关键内存操作进行加固,从而在安全性和性能之间取得平衡。方法包括:首先识别程序中易受攻击的内存访问模式,然后插入轻量级的检查机制,仅在必要时激活保护。实验在常见基准测试和真实应用上进行,结果表明QuickSafe能够有效防止多种内存损坏攻击(如缓冲区溢出、use-after-free),且平均性能开销低于5%,显著优于现有全量加固方案。该工作为内存安全提供了一种实用的折中方案,特别适合对性能敏感的系统。

💡 推荐理由: 内存损坏仍是安全领域的重要威胁,而现有加固方案性能开销大。QuickSafe提供了低开销的针对性加固思路,有助于推动内存安全防护的现实应用。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Mohsen Salehi, Karthik Pattabiraman

本文提出 Chameleon 框架,用于自动恢复遭受内存破坏攻击的网络物理系统(CPS)。现有防御手段多在检测到攻击后终止或重启系统,这在高安全性关键任务中不可接受。Chameleon 在组件粒度上训练基于机器学习的替代模型,这些模型能近似原始组件的功能但不存在相同的内存破坏漏洞。一旦攻击被检测到,Chameleon 用训练的替代模型替换受损组件。作者基于 LLVM 编译器实现原型,并在 7 个不同机器人车辆(包括模拟和真实环境)上评估。结果表明,替代模型与原始组件行为高度接近(平均 R²=0.96),能成功恢复系统并完成任务,且性能与内存开销低。该工作为 CPS 运行时恢复提供了新思路,尤其适用于无法容忍停机的场景。

💡 推荐理由: 首次提出利用 ML 替代模型在攻击发生后自动恢复 CPS,避免了传统终止/重启带来的灾难性后果,对航空航天、自动驾驶等关键任务系统有重要意义。

🎯 建议动作: 建议研究跟进,评估该方法在自己 CPS 环境中的适用性

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Han Zheng, Qinying Wang, Qiang Liu, Mathias Payer

该论文是系统化知识(SoK)研究,旨在对现代Web浏览器的低层攻击面进行系统化分类和分析。背景是:浏览器作为远程攻击面,内存破坏漏洞在真实世界利用中仍占核心地位。尽管过去十年已有大量浏览器测试和漏洞披露工作,但社区仍缺乏一个明确的、防御导向的低层攻击面系统化框架。先前SoK论文调查了浏览器漏洞和缓解技术,但视角碎片化,未回答一个核心问题:现代Web浏览器的低层攻击面如何结构化?哪些部分在现有安全测试中尚待探索?为回答该问题,作者提出三个子问题:(RQ1)浏览器的攻击面如何沿输入类和组件结构化?(RQ2)内存破坏漏洞在该分类中出现在何处?(RQ3)这些攻击面模式对现有浏览器安全测试有何启示?针对RQ1,作者推导出一个架构驱动的“输入×组件×权限”分类法,将浏览器架构抽象为统一视图。针对RQ2,他们将2016年至2025年间公开的2233个内存破坏报告映射到该分类法上。针对RQ3,他们将过去十年的学术浏览器模糊测试器(按目标输入类分类)叠加到bug密度图上。系统化工作揭示:当前测试集中在已充分探索的组件,而bug密集、高影响的攻击面测试不足。此外,他们识别出三个与学术工作正交的模糊测试部署缺口。该工作为未来的浏览器安全研究提供了结构化基础。

💡 推荐理由: 该研究系统化地绘制了浏览器低层攻击面的结构图谱,揭示了当前安全测试的盲点,有助于蓝队和浏览器开发者优先加固最易受攻击的组件,优化模糊测试资源投入。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Xinran Zheng, Alfredo Pesoli, Marco Valleri, Suman Jana, Lorenzo Cavallaro

本文提出 Veritas,一个基于语义的二进制内存破坏漏洞检测框架。针对剥离二进制文件中恢复对象语义、跨过程传播和可行触发条件的难点,Veritas 结合了三个关键组件:首先,一个基于 RetDec 提升的 LLVM IR 的静态切片器,重构包括 def-use、调用、返回、全局变量和指针操作在内的值流关系,生成紧凑的、带有证据支持的流对象;其次,一个双视角大语言模型检测器,通过反编译的 C 代码和精选的 LLVM IR 分步推理,关注控制流、边界和对象对应关系,避免全局传播;最后,一个多智能体验证器,通过引导式调试、断点检查和内存检查预言机来确认或拒绝候选漏洞。Veritas 实现为模块化流水线,在真实世界二进制漏洞基准上评估,达到 90% 的召回率。在误报评估中,对 623 个检测候选进行穷举验证和人工审计,穷举部分无假阳性,额外审计确认两个假阳性。实际应用中,Veritas 发现了一个此前未知的 Apple 漏洞并获得 CVE。该工作表明语义基础化作为实用二进制漏洞检测的操作设计原则的可行性。

💡 推荐理由: 二进制漏洞检测是安全分析的难点,Veritas 通过结合静态分析和 LLM 推理,大幅提升检测准确率并发现真实 CVE,为自动化二进制安全分析提供了可落地方案。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | 命中热门研究主题 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)