RISS 검색 - 국내학술지논문 상세보기

국문 초록 (Abstract)

라이브러리는 독립적으로 실행되지 않고 많은 응용 프로그램에서 사용되므로, 라이브러리의 취약점을 사전에 탐지하는 것은 중요하다. 라이브러리 취약점을 탐지하기 위해 동적 분석 방법...

라이브러리는 독립적으로 실행되지 않고 많은 응용 프로그램에서 사용되므로, 라이브러리의 취약점을 사전에 탐지하는 것은 중요하다. 라이브러리 취약점을 탐지하기 위해 동적 분석 방법인 퍼징이 사용되고 있다. 퍼징 기술은 코드 커버리지 및 크래시 발생 횟수 측면에서 개선된 결과를 보여주지만, 그 효과를 라이브러리 퍼징에 적용하기는 쉽지 않다. 특히, 라이브러리의 다양한 상태를 재현하려면 특정 함수 시퀀스를 호출하고 퍼저의 입력을 전달하여 라이브러리 코드를 실행하는 퍼징 대상 파일과 시드 코퍼스가 필요하다. 그러나 퍼징 환경(시드 코퍼스, 퍼징 대상 파일)을 준비하는 것은 라이브러리에 대한 이해와 퍼징에 대한 이해가 동시에 필요한 어려운 일이다. 이에, 본 논문에서는 테스트 프레임워크를 활용하여 라이브러리 퍼징의 용이성을 확보하고, 코드 커버리지와 크래시 탐지 성능을 향상하기 위한 개선 방법을 제안한다. 본 논문에서 제안한 시스템은 9개의 오픈 소스 라이브러리에 적용하여 기존 연구들과 비교를 통한 개선 효과를 검증하였다. 실험 결과 코드 커버리지 31.2%, 크래시 탐지 기준 58.7%의 개선 효과를 확인하였고, 3개의 알려지지 않는 취약점을 탐지하였다.

다국어 초록 (Multilingual Abstract)

Because the library cannot be run independently and used by many applications, it is important to detect vulnerabilities in the library. Fuzzing, which is a dynamic analysis, is used to discover vulnerabilities for the library. Although this fuzzing technique shows excellent results in terms of code coverage and unique crash counts, it is difficult to apply its effects to library fuzzing. In particular, a fuzzing executable and a seed corpus are needed that execute the library code by calling a specific function sequence and passing the input of the fuzzer to reproduce the various states of the library. Generating the fuzzing environment such as fuzzing executable and a seed corpus is challenging because it requires both understanding about the library and fuzzing knowledge. We propose a novel method to improve the ease of library fuzzing and enhance code coverage and crash detection performance by using a test framework. The systems’s performance in this paper was applied to nine open-source libraries and was verified through comparison with previous studies.

목차 (Table of Contents)

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안하는 라이브러리 퍼징 시스템

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안하는 라이브러리 퍼징 시스템
Ⅳ. 실험 결과
Ⅴ. 향후 연구
Ⅵ. 결론
References

참고문헌 (Reference)

1 I. Yun, "{QSYM}: A practical concolic execution engine tailored for hybrid fuzzing" 745-761, 2018

2 AFL, "american fuzzy lop"

3 S. Rawat, "Vuzzer: Application-aware evolutionary fuzzing" 17 : 1-14, 2017

4 V. Jain, "Tiff : using input type inference to improve fuzzing" 505-517, 2018

5 V.J.M. Manès, "The art, science, and engineering of fuzzing: A survey" 2019

6 H. Peng, "T-fuzz: fuzzing by program transformation" IEEE 697-710, 2018

7 N. Katirtzis, "Summarizing software api usage examples using clustering techniques." FASE 189-206, 2018

8 Y. Li, "Steelix: program-state based binary fuzzing" 627-637, 2017

9 C. Lyu, "Smartseed : Smart seed generation for efficient fuzzing"

10 J. Wang, "Skyfire: Data-driven seed generation for fuzzing" IEEE 579-594, 2017