gossipeditor – Page 3 – GoSec@CS.SJTU

[2022.04.27] [NDSS 2020] HFL: Hybrid Fuzzing on the Linux Kernel

Jun 14, 2022gossipeditorSeminarFuzzing, vulnerability detection

会议: NDSS’20 链接: https://www.ndss-symposium.org/wp-content/uploads/2020/02/24018-paper.pdf 作者: Kyungtae Kim, Dae R. Jeong, Chung Hwan Kim, Yeongjin Jang, Insik Shin‡ Byoungyoung Lee Contributor: fhr abstract 混合Fuzzing是一种结合模糊测试和符号执行的程序分析技术，在漏洞挖掘领域有良好的前景。模糊生成和精确生成测试用例二者互为补充，能够克服各自的局限性。然而，由于内核所具有的特性，直接将Hybird Fuzzing应用到Kernel上存在如下挑战：（1）由系统调用参数决定的间接控制流分析（2）系统调用及参数之间隐式依赖关系分析（3）系统调用参数的嵌套类型推断本文基于Syzkaller和S2E(binary lifting & klee)提出HFL这一面向kernel的混合fuzzing工具，并提出三项技术来解决上述问题。（1）通过编译期的分析优化，将间接跳转转换为直接跳转。（2）通过静态指针分析，选择性地符号化数据变量并推断syscall之间的依赖关系。（3）根据处理syscall参数的方式不同，在运行时推断嵌套参数类型。实验结果表明，HFL能够高效地将混合fuzzing技术引入内核的安全分析中。HFL的代码覆盖率高于Moonshine、Syzkaller、TriforceAFL等工作，并且发现了24个未知漏洞。

[2022.05.11][PLDI2021]BlankIt Library Debloating:Getting What You Want Instead of Cutting What You Don’t

Jun 14, 2022gossipeditorSeminar

Source: https://dl.acm.org/doi/pdf/10.1145/3385412.3386017 Authors: Chris Porter, Girish Mururu, Prithayan Barua, Santosh Pande Download Note: https://jbox.sjtu.edu.cn/l/V1qUSJ Contributor: fy Overview 现代软件开发在很大程度上依赖于库，许多库是为支持大量功能而构建的。然而，单个应用程序中，可以只使用少量的库功能。例如，开发一个安卓应用，使用机器学习和人工智能相关工具库，以及Web框架。尽管这些库和框架本身可能非常大，但在实际开发中只用到它们的一小部分API是很常见的。Debloat就是去膨胀，也就是减少可用于构建攻击gadget的代码量，从应用程序或库中删除不需要的代码或死代码。本文采用动态的debloat方法，仅在函数需要被使用时进行加载，显著地削减了函数总量（97%），增强了程序的安全性。

[2022.03.30] [USENIX Security 2018]Debloating Software through Piece-Wise Compilation and Loading

Jun 14, 2022gossipeditorSeminardebloat

Source: https://www.usenix.org/system/files/conference/usenixsecurity18/sec18-quach.pdf Authors: Anh Quach, Aravind Prakash, Lok Yan Download Note: https://jbox.sjtu.edu.cn/l/j1XGKo Contributor: ydh Overview 代码重用在软件开发的过程中是必不可少的，开发者会把代码打包到一个重用代码模块中，如共享库为不同的应用程序提供接口。但是共享库内容很多，一个应用程序不会用到里面全部的代码。这些无关的代码自身可能包含bug和漏洞，扩大了整个攻击面，也为代码重用攻击提供了便利。静态死代码消除是一种静态分析技术，用于识别未使用的代码路径，并将它们从最终的二进制文件中删除，在编译期间使用的这种方法是减少代码膨胀的有效方法。但是，这种方法对链接库不太适合，动态链接的库无法删除死代码，因为它是预先构建好，运行时加载到内存中的，加载器也不会对它做检查；静态链接库也很麻烦，需要重新编译且不好管理。这篇文章设计了一个piece-wise的编译器和加载器做debloating，有效地减少了链接库的体积。

[2022.05.25] [USENIX Security 2021] Understanding Malicious Cross-library Data Harvesting on Android

May 25, 2022gossipeditorSeminar

Understanding Malicious Cross-library Data Harvesting on Android 作者：Jice Wang, Yue Xiao, Xueqiang Wang, Yuhong Nan, Luyi Xing, Xiaojing Liao, Jinwei Dong, Nicolas Serrano, Haoran Lu, Xiaofeng Wang, Yuqing Zhang 单位：University of Chinese Academy of Sciences, Indiana University Bloomington, Purdue University, Xidian University, Hainan University 出处：USENIX Security 2021 原文：https://www.usenix.org/system/files/sec21-wang-jice.pdf Contributor: FRH 笔记：https://jbox.sjtu.edu.cn/l/E1cD9I 移动应用通常会集成第三方库(用于数据分析、广告、应用变现等)，在丰富其功能的同时也带来了安全威胁。已有的工作都关注三方库从应用中收集隐私数据的行为，这篇文章中作者提出一种新的攻击方式Cross-Library Data Harvesting (XLDH)，即恶意的三方库从应用集成的其他厂商的库中收集数据，例如，恶意三方库可以调用Facebook […]

[2022.02.16] [ISSTA 2021] Semantic Matching of GUI Events for Test Reuse Are We There Yet？

Mar 16, 2022gossipeditorSeminarAndroid

Source: https://doi.org/10.1145/3460319.3464827 Authors: Leonardo Mariani, Ali Mohebbi, Mauro Pezzè, Valerio Terragni Download Note: https://jbox.sjtu.edu.cn/l/g1nobP Contributor: zyt Overview UI测试重用（UI Test Reuse）是目前在UI自动化测试领域的研究热点，旨在解决UI自动化测试中测试用例缺乏语义信息，难以检测系统功能上正确性的弊端。其方法是在一个源app中人工生成一个有效的UI事件序列（例如：完整的注册过程），并在另一个目标app中，通过语义匹配的方式，确定源事件在目标app上的对应事件，从而在目标app上自动生成一个有效的测试用例。语义匹配是UI测试重用的重要模块，其目的是通过提取UI上的信息，分析UI表达的语义含义，从而提高事件匹配的准确性。本文针对UI测试重用中的子模块——语义匹配，进行系统性地评估分析。整个语义匹配系统被分为四个部分：语料库，词嵌入算法，事件描述符提取和语义匹配算法。作者对四个部分所有的252种配置可能进行实验，并与baseline进行对比，分析语义匹配系统各个组成部分对系统的影响。

[2022.03.03] [ICSE 2022] PROMAL: Precise Window Transition Graphs for Android Synergy of Program Analysis and Machine Learning

Mar 3, 2022gossipeditorSeminar

作者：Changlin Liu, Hanlin Wang, Tianming Liu, Diandian Gu, Yun Ma, Haoyu Wang, Xusheng Xiao 单位：Case Western Reserve University, Monash University, Peking University, Beijing University of Posts and Telecommunications 出处：ICSE 2022 原文：https://engineering.case.edu/groups/xusheng-xiao/sites/engineering.case.edu.groups.xusheng-xiao/files/docs/promal_icse_cr.pdf Contributor: FRH 笔记：https://jbox.sjtu.edu.cn/l/I1oHrr 利用自动化分析技术提高移动应用的质量和可靠性是非常重要的。WTG(window transition graph)是自动化分析技术的关键组件。在WTG中，点(node)代表窗口，边(edge)代表窗口之间的跳转。已有的研究工作通过静态或动态分析的方式构建WTG，但在准确度上仍然存在不足。静态分析采用over-approximation的设计导致误报，产生不可能的跳转，而动态分析受到覆盖率问题的影响。为此，作者提出"tribrid analysis"方法PROMAL，协同地组合了动静态分析技术和机器学习技术为应用构建WTG。PROMAL主要分为两个阶段: 首先使用静态分析构建WTG，结合动态分析对WTG中的跳转进行验证对于大量动态分析无法验证的跳转，提取窗口的信息作为特征，利用机器学习技术预测跳转是否成立。 PROMAL的精度为90.18%，回归率为79.69%，F1-score为82.82%。相比于GATOR(46.24%)、GATOR和PALADIN组合(61.93%)都有更好的表现。

[2022.02.23] [ESEC/FSE 2021] Vet: Identifying and Avoiding UI Exploration Tarpits

Mar 2, 2022gossipeditorSeminarAndroid

Source: https://dl.acm.org/doi/abs/10.1145/3468264.3468554 Authors: Wenyu Wang, Wei Yang, Tianyin Xu, Tao Xie Download Note: https://jbox.sjtu.edu.cn/l/910ku4 Contributor: syjh Overview 作者的实验表明表明，现有的移动 UI 测试工具很容易出现exploration tarpit。这些工具会在很长一段时间内卡在一小部分应用程序功能上。比如说，测试工具在测试某个APP时过早注销账户，后续测试时就容易卡在探索应用程序的登录前功能，而不是其主要功能。当然如果只是登录，测试者可以手动设定规则，但是这种exploration tarpit类型很多，没有一个统一的方法。本文提出自动测试工具Vet，它针对两个常见的exploration tarpit制定了两个算法判定测试工具是否进入了exploration tarpit。Vet可以引导测试框架避免进入exploration tarpit或者从中恢复，因此Vet可以提高代码覆盖率。

[2021.11.24] [CCS 2021] SmashEx: Smashing SGX Enclaves Using Exceptions

Jan 5, 2022gossipeditorSeminar

Source: https://dl.acm.org/doi/pdf/10.1145/3460120.3484821 Authors: Jinhua Cui and Jason Zhijingcheng Yu. The Link of Note: https://jbox.sjtu.edu.cn/l/r15aTE Contributor: Fy. Overview Intel SGX的异常处理机制目前仍依赖于OS递交异常，而一个恶意的OS可以在任何时候触发一个异常。如果runtime没有恰当地进行异常触发的保护，会导致当程序在不可信和可信区间切换时，还没有完成对寄存器的清空就被迫进行中断处理，使得受攻击者控制的寄存器值被错误地写入可信区域的栈中，甚至通过不可信的栈指针实现对Enclave memory的任意地址写以及ROP攻击。

[2021.12.1] [Usenix Security 2022] MAGE: Mutual Attestation for a Group of Enclaves without Trusted Third Parties

Dec 13, 2021gossipeditorSeminar

Source: https://arxiv.org/pdf/2008.09501.pdf Authors: Guoxing Chen, and Yinqian Zhang. The Link of Note: https://jbox.sjtu.edu.cn/l/S1ugcT Contributor: lt. Overview Intel SGX的attestation机制支持enclave向其他enclave证明自己的身份。为了验证enclave是否可信，enclave会将信任的enclave的measurement放入初始数据中。但是，当多个enclave需要建立信任时，它们无法同时将对方的measurement放入自己的初始数据中，因为这个行为会使已放入的measurement失效。为此，作者提出了MAGE这一解决方案。

[2021.11.10] [Security and Communication Networks 2021] Blockchain as a CA: A Provably Secure Signcryption Scheme Leveraging Blockchains

Nov 17, 2021gossipeditorSeminarBlockchain, Protocol

Source: https://www.hindawi.com/journals/scn/2021/6637402/ Author: Tzung-Her Chen Ting-Le Zhu Fuh-Gwo Jeng and Chien-Lung Wang Journal: Security and Communication Networks 2021 (CCF C) Download Note: https://jbox.sjtu.edu.cn/l/x1uKe9 Contributor: PDH Introduction In the past decade, applying certificateless signcryption schemes to solve the higher cost of maintaining the certificate chain issued by a certificate authority (CA) has been studied. The concepts […]