内存安全错误仍然是C和C++中严重漏洞的主要来源。传统的基于位置的消毒器（如LLVM的ASan）虽然广泛使用，但只能检测缓冲区溢出等有限类型的错误，且开销较高。基于指针的消毒器提供了更强的安全保障，但以往的实现因高开销和兼容性问题难以在生产环境中部署。本文提出了PTSan，一种基于LLVM的实用内存安全消毒器。PTSan通过在每个指针的高位存储对象标识符，并在固定大小的运行时表中存储对象边界，从而在有限的活跃对象预算与低开销、优化器可见性和通用硬件支持之间取得平衡。由于标识符随指针值传播，LLVM的数据流分析可以自然地传播它，无需显式的逐指针元数据指令。PTSan将元数据查找与检查执行分离，均以LLVM IR表示，从而支持检查的提升、消除和合并，以及基于整个函数最小割的兼容性标签剥离放置。当硬件支持Intel线性地址掩码（LAM）时，可进一步消除剩余的标签剥离指令。在通用硬件上，PTSan的开销与最快的已发布基于位置的消毒器相当：SPEC CPU 2017在x86-64上的几何平均开销为57.2%（使用Intel LAM时为46.4%），ARM64上为54.7%，在应用型的LLVM MultiSource套件上为31.5%（x86-64）。这大约是具有类似指针-对象权限保证的先前系统已发布开销百分比的三分之一，同时独立内存安全测试套件测量显示，PTSan保持了跨对象、非对象和时间检测覆盖范围。其物理内存开销接近原生，这对于生产部署至关重要。本文还通过实际服务器和安全工作负载展示了实用开销。结果表明，PTSan将实用的基于指针的内存安全引入了仅需重新编译的消毒器部署模型。

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。

该论文针对当前软件安全中广泛使用的消毒器（sanitizer）存在的冗余检查问题展开研究。消毒器通过插入运行时检查来检测内存错误、未定义行为等漏洞，但大量检查是冗余的，因为开发者已在代码中通过类型检查（如显式的类型转换或条件判断）隐含地保证了安全性。作者提出了一种名为“PruneSan”的方法，利用静态分析自动识别并移除那些由开发者已实现的类型检查所覆盖的冗余消毒检查。该方法首先构建程序的控制流图和数据类型流，然后通过符号推理判断消毒检查的条件是否已被类型检查所蕴含。实验评估在多个真实项目（如OpenSSL、FFmpeg等）上进行，结果表明PruneSan能够安全地移除平均30%的消毒检查，同时显著降低运行时开销（最高达45%），且未引入任何新的误报或漏报。该工作为在保证安全性的前提下优化消毒器性能提供了有效途径，适用于需要高安全性与高执行效率的C/C++程序。

本文针对深度学习编译器生成的DNN可执行文件缺乏安全保护的问题，提出了OBSan，一种用于检测DNN可执行文件中越界（Out-of-Bound, OOB）行为的快速消毒器。DNN涉及双向计算：前向传播（预测输出）和后向传播（梯度计算）。神经元激活值和梯度都应落在有效范围内，偏离则视为OOB。OOB主要由异常输入引发，可能导致误预测甚至被对抗样本利用。OBSan包含两个变体：FOBSAN检测前向传播中的OOB，BOBSAN检测后向传播中的OOB。两者作为DL编译器的额外pass集成到大规模DNN模型中，并设计了多种优化方案降低开销。在多种异常输入下的评估表明，OBSan具有良好的OOB检测能力且开销低。此外，论文展示了两个下游应用：阻止在线对抗样本生成和促进面向DNN可执行文件的反馈驱动模糊测试。该研究适合编译器开发、DNN安全研究人员及AI系统防御者阅读。