该论文提出了一种名为 IPEA 的非侵入式动态固件测试框架，专门针对深度嵌入式设备（如基于微控制器 MCU 的物联网设备）的固件测试挑战。这类设备通常资源受限，运行环境与通用计算机差异巨大，导致现有动态测试技术难以直接应用。IPEA 的核心洞察是利用微控制器设备在固件开发阶段的独特位置：开发者通常需要借助功能强大的工程工作站来编程和调试目标设备。因此，IPEA 将资源密集型分析任务从微控制器卸载到工作站，仅在固件中保留轻量级的“探针”（needle probes）来采集内部执行信息，而不进行本地处理。这种解耦设计使得分析的性能开销被显著降低。论文还基于 IPEA 框架实现了两个具体工具：基于指针能力（pointer capability）的消毒器 IPEA-San 和灰盒模糊测试器 IPEA-Fuzz。IPEA-San 用于检测内存安全错误，通过与移植到微控制器的 AddressSanitizer 对比，在真实固件上内存开销降低了 62.75%，且检测精度更高。IPEA-Fuzz 结合 IPEA-San 进行模糊测试，在流行的 IoT 库（3个）和外设驱动代码（4个）中发现了 7 个零日漏洞。该工作展示了非侵入式动态分析在嵌入式固件测试中的巨大潜力，为安全研究人员和固件开发者提供了一种高效、低成本的漏洞发现方法。

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。