PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.12723v1cs.CR

Bulkhead: 컨테이너 탈출 취약점의 자동화된 의미론적 탐지 및 수정

Bulkhead: Automated Semantic Detection and Remediation of Container Escape Vulnerabilities

컨테이너 생태계에서 파일시스템 격리는 종종 경계 간 경로 오해석으로 약화되어 경로 순회(PaTra) 취약점을 유발한다. 이러한 취약점은 불안전한 호스트-컨테이너 상호작용에서 비롯되며, 클라우드 시스템이 AI 워크로드를 지원하기 위해 GPU 및 에이전트 워크스페이스와 같은 공유 자원을 컨테이너에 마운트하면서 점점 더 만연해지고 있다. 기존 방어 기법은 여전히 불충분하다. 커널 수준 보호는 침습적이며 시스템 호출을 불안정하게 만들 수 있어 Linux 메인라인에 채택되지 않았다. 탐지 방법은 정적 규칙 매칭이나 수동 코드 감사에 의존한다. 정적 규칙은 경로 관련 함수를 표시할 수 있지만 호스트-컨테이너 상호작용이 존재하는지 판단하는 데 필요한 의미론을 포착하지 못해 많은 거짓 양성을 초래한다. 수동 검토는 도메인 전문성을 요구하여 비용이 높고 비효율적이며 확장하기 어렵다. 이러한 위협에 대응하기 위해, 우리는 대규모 언어 모델(LLM)과 형식적 방법을 통합하여 의미론적 취약점 탐지 및 수정을 수행하는 자동화 프레임워크인 Bulkhead를 제시한다. Bulkhead는 알려진 사례에서 일반화된 다차원 지식 패턴을 통해 PaTra 취약점을 식별하고 복구하는 다중 에이전트 시스템을 사용한다. 먼저 고위험 함수 패턴을 적용하여 컨테이너화된 코드에서 경계 간 상호작용의 진입점을 찾고, 호출 체인 패턴을 사용하여 적절한 깊이에서 해당 실행 경로를 복구한다. 탐지 파이프라인은 이러한 호출 체인을 응용 시나리오 및 위협 모델에 대해 분석하여 경계 간 상호작용에서 누락된 보안 검사 및 TOCTOU 결함과 같은 취약점을 식별하고, 검증을 위한 개념 증명(PoC) 익스플로잇을 생성한다. 이러한 PoC는 패치 생성을 안내한다. 수정의 정확성을 보장하기 위해 패치 파이프라인은 사전 정의된 모델 검사 템플릿을 사용하여 어설션 기반 검증을 수행한다.