[2021.05.25] [NDSS 2021] The Abuser Inside Apps: Finding the Culprit Committing Mobile Ad Fraud

Seminar

Authors：Joongyum Kim, Jung-hwan Park, Sooel Son (KAIST) Source：https://www.ndss-symposium.org/wp-content/uploads/ndss2021_3B-1_23161_paper-1.pdf Contributor: FRH Download Note: https://jbox.sjtu.edu.cn/l/TFDyd0 广告生态是移动平台的重要组成部分，但广告欺诈也成为一个主要的安全威胁(对广告投放者)。为了保护用户，Google在针对开发人员的广告政策中谴责了滥用广告库的行为，并且积极地检测导致广告欺诈的滥用行为。这篇文章中，作者提出FraudDetective这一动态检测框架，能够自动识别Android应用中的广告欺诈。首先，作者将广告欺诈活动定义为在 缺乏明确(explicit)用户交互的情况下 提交了广告URL请求(计次广告)或调用了另一个App到前台。已有的研究中提出了动态检测框架，但这些框架存在两个问题： 缺乏对欺诈行为和用户交互之间因果关系的准确建模 无法追踪造成广告欺诈的具体App模块 为了解决这两个问题，作者提出利用full stack trace来捕获因果关系。针对碎片化的stack trace，作者对AOSP进行定制，收集执行日志并识别广告欺诈活动。作者使用Google Play上48,172个App对FraudDetective进行评估，发现了74个App的34,453次广告欺诈活动。作者进一步对这些活动进行溯源，发现其中98.6%来源于广告库(73/74)。

READ MORE

[2021.05.18] [NDSS 2021] Emilia: Catching Iago in Legacy Code

Seminar,

Source: https://security.csl.toronto.edu/wp-content/uploads/2021/01/rcui-ndss2021-emilia.pdf Authors: Rongzhen Cui, Lianying Zhao, David Lie. Download Note: https://jbox.sjtu.edu.cn/l/oFjqy9 Contributor: ydh Overview Iago攻击是恶意的操作系统修改运行在TEE中可信应用程序syscall的返回值导致应用程序非预期行为。本文通过fuzz的方法劫持应用程序请求的syscall，并对syscall的返回值fuzz来发现应用程序中潜在的Iago漏洞。 使用本文实现的工具对17个legacy应用程序fuzz，发现了51个Iago漏洞，并对漏洞做了进一步深入分析。

READ MORE

[2021.05.11] [PLDI 2021] Automated Conformance Testing for JavaScript Engines via Deep Compiler Fuzzing

Seminar,

Source: https://arxiv.org/pdf/2104.07460.pdf Authors: Guixin Ye, Zhangyong Tang, Shin Hwei Tan, etc. Download Note: https://jbox.sjtu.edu.cn/l/XFikWG Contributor: pdh Overview 本文介绍了一种名为Comfort的JS引擎fuzz的框架，能够检测出JS引擎编译代码得到的结果和ECMAScript标准定义的不一致的bug。它利用基于transformer的自然语言生成模型GPT-2，根据开源的JS代码语料库，来生成有效的JS测试代码实例，再利用差分测试的方法，来探测出JS引擎中可能存在的漏洞。 本文实现的框架对10种主流引擎（JSC in Safari, V8 in Chrome, ChakraCore in Edge, SpiderMonkey in Firefox, 以及一些移动端的引擎包括Hermes, QuickJS, Rhino, Nashorn, JerryScript, Graaljs）进行了检测，共发现了158个特定JS引擎的bug，其中129个被验证了，115个被修复了。除此之外，21个由Comfort生成的测试用例被加入了ECMAScript官方提供的的标准测试集Test262。

READ MORE

[2021.04.27] [Usenix Security 2021] Swivel: Hardening WebAssembly against Spectre

Seminar

Source: https://www.usenix.org/conference/usenixsecurity21/presentation/narayan Authors: Shravan Narayan, Craig Disselkoen, Daniel Moghimi, Sunjay Cauligi .etc. Download Note: https://jbox.sjtu.edu.cn/l/4FkxtI Contributor: lty Overview Fastly的Terrarium是WebAssembly FaaS平台，客户将代码编译为Wasm并将生成的模块上传到平台，平台负责扩展和隔离。在单个主机中可以运行数千个客户提供的Wasm模块，并依靠Wasm沙箱实现隔离。然而这些隔离会被Spectre攻击破坏。 Swivel通过扩展Lucet和Cranelift代码生成器，以解决FaaS Wasm平台上的Spectre攻击。Swivel提供软硬件两种保护方案，分别是Swivel-SFI和Swivel-CET。

READ MORE

[2021.04.13] [S&P 2015] VC3: Trustworthy Data Analytics in the Cloud using SGX

Seminar,

Source: https://ieeexplore.ieee.org/document/7163017 Authors: Felix Schuster∗, Manuel Costa, Cedric Fournet, Christos Gkantsidis,Marcus Peinado, Gloria Mainar-Ruiz, Mark Russinovich, Microsoft Research Download Note: https://jbox.sjtu.edu.cn/l/HFguB2 Contributor: cyp Overview 用户可以租赁云服务商提供的算力，在基于MapReduce框架下运行大规模的分布式计算，但是云服务商有可能窃取和篡改用户的代码和数据，所以用户希望云服务商可以提供如下安全保证: 代码和数据的完整性和机密性保证 代码执行的可验证性 传统的方法比如同态加密、零知识如果应用到分布式计算中都会又很大的性能消耗，所以作者提出了Verifiable Confidential Cloud Computing（VC3）在没有太多性能消耗的前提下达到需要的安全保证

READ MORE

[2021.04.06] [USENIX Security 2019] Understanding iOS-based Crowdturfing Through Hidden UI Analysis

Seminar,

Authors: Yeonjoon Lee, Xueqiang Wang, Kwangwuk Lee, Xiaojing Liao, and XiaoFeng Wang, Indiana University; Tongxin Li, Peking University; Xianghang Mi, Indiana University Link: https://www.usenix.org/conference/usenixsecurity19/presentation/lee Contributor: Runhan Feng 众包(Crowdturfing)平台会发布各种不正当的任务，如创建虚假账号、发表虚假评论、散播谣言等。在移动端，Apple和Android应用市场一旦检测到众包App即将其下架。安卓平台因为碎片化生态系统的缘故，网络罪犯能够通过不正规的第三方store发布众包App。在Apple平台，因为中心化的App审查、安装政策，这一类App很难发布。但已经有一些众包程序通过在看起来无恶意的App中偷偷嵌入众包UI的方式渗透到iOS App Store。和传统的Web-based众包相比，这些App用来发布一些移动平台的任务，包括虚假的App评论、App排名操纵等。对于这些通过隐藏UI逃避审查的App及其背后的地下生态，目前还没有系统的研究。这篇文章中作者对iOS平台众包App进行的深入分析，主要贡献有： Finding crowdturfing apps 作者提出Cruiser这一方法，对iOS App进行UI hierarchy和UI semantics分析，在28,625个App中识别了102个可疑App (可能包含hidden crowdturfing UI)。作者进一步人工确认其中93个确实包含众包UI。 Measurement and discoveries     作者进一步对这93个App进行深入分析，以了解整个Crowdturfing生态。

READ MORE