Leveraging GPT for specification-driven fuzzing of charging station management systems

국문 초록 (Abstract)

전기차 충전 인프라의 핵심 구성요소인 충전소 관리 시스템(CSMS)은 사용자 인증과 요금 청구 등 보안상 중요한 기능을 수행하지만, 관련 연구와 자동화된 보 안 테스트 도구는 부족한 실정이다. 본 논문에서는 이러한 문제를 해결하기 위해 OCPPuzz라는 명세 기반 퍼징(specification-based fuzzing) 프레임워크를 제안한 다. OCPPuzz는 OCPP 명세에서 메시지 구조, 필드 제약조건, 의존 관계를 자동으 로 추출하고, 사용 사례 다이어그램을 분석하여 유효한 CS–CSMS 상태 전이를 학 습한다. 자연어 및 반형식적 다이어그램으로 표현된 명세를 처리하기 위해 휴리스 틱 규칙 기반 추출과 대규모 언어 모델(LLM)을 결합하였다. 네 가지 오픈소스 CSMS 구현체를 대상으로 평가한 결과, 서비스 거부(DoS) 및 무단 무료 충전을 유발할 수 있는 심각한 보안 취약점을 포함하여 다수의 명세 위반 사례를 발견하였 다. 총 930건의 구현 버그 중 492건이 승인되었으며, OCPP 명세 버그 134건 중 79건이 수정되고 85건이 추가 조사를 위해 인정되었다.

다국어 초록 (Multilingual Abstract)

Electric vehicles (EVs) are being rapidly adopted, with over 61,000 publicly accessible charging stations deployed across the United States as of 2024. A core component of this infrastructure is the Charging Station Management Sys tem (CSMS), which is responsible for security-critical tasks such as user au thentication and billing. Given its importance, the CSMS has become a target of real-world attacks that have resulted in financial losses, data breaches, and denial-of-service(DoS) incidents. Nevertheless, research on CSMS security remains limited, and automated testing tools are lacking. Testing CSMS is chal lenging because they communicate with charging stations (CS) using the Open Charge Point Protocol (OCPP). Effective testing must contend with OCPP's complexity: ① messages containing up to 48 fields, ② inter- and intra-mes sage field dependencies, and ③ its stateful nature, which requires tracking the states of both CS and CSMS during testing.

목차 (Table of Contents)

• Chapter 1. INTRODUCTION 1
• Chapter 2. BACKGROUND AND CHALLENGE 4
• 2.1. Security of CSMS 4
• 2.2. OCPP Protocol 5
• 2.3. OCPP Specification 6
• 2.4. Challenges in OCPP Protocol Fuzzing 9
• Chapter 3. LARGE LANGUAGE MODEL GUIDED FUZZING 12
• 3.1. Large Language Models 12
• 3.2. LLM Understanding of the OCPP Protocol 13
• Chapter 4. OCPPUZZ DESIGN 15
• 4.1. Parser 16
• 4.2. Message Direction Detector 18
• 4.3. Rule Collector 20
• 4.4. Scenario Collector 23
• 4.5. Test Controller 24
• 4.6. Validator 28
• Chapter 5. EVALUATION 29
• 5.1. RQ1: How well can OCPPuzz extract the OCPP specification 30
• 5.2. RQ2: How effective was the generation of mutation payloads 32
• 5.3. RQ3: What categories of bugs can OCPPuzz identify 37
• 5.4. RQ4: How effective is the test case generation strategy 42
• Chapter 6. RELATED WORK 44
• 6.1. OCPP Verification 44
• 6.2. LLM Based Fuzzing 45
• Chapter 7. DISCUSSION 46
• 7.1. Threats to Validity 46
• 7.2. Version Generalizability 47
• Chapter 8. CONCLUSIONS 48
• References 50
• 논문요약 54