PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.23889v3cs.CR

SyzHarness: LLM 합성 퍼징 하네스를 활용한 패치 기반 커널 버그 재현

SyzHarness: Patch-Based Kernel Bug Reproduction with LLM-Synthesized Fuzzing Harnesses

자동화된 커널(kernel) 취약점 재현은 버그 분류, 패치 검증(validation), 회귀 테스트에 필수적이지만, 여전히 효과적이고 효율적인 해결책이 부족합니다. 핵심 과제는 두 가지입니다. 재현기는 먼저 취약한 상태에 도달하는 데 필요한 트리거 스캐폴드(trigger scaffold)를 복구해야 하며, 실제로 버그를 유발하는 정확한 구체적 값들을 결정해야 합니다. 기존의 지향성 퍼징(directed fuzzing) 방식은 필요한 트리거 스캐폴드를 복구하는 데 비효과적이며, 대규모 언어 모델(LLM) 전용 생성은 구체적 값 탐색 및 런타임 비결정론을 처리하는 데 어려움을 겪어 불안정합니다. 본 논문에서는 패치 기반 Linux 커널 취약점 재현을 위해 LLM 추론과 커버리지 유도 퍼징(coverage-guided fuzzing)을 결합한 프레임워크인 SyzHarness를 설계합니다. 패치가 주어지면, SyzHarness는 코드 탐색 도구로 그라운딩(grounding)된 LLM 에이전트(agent)를 사용하여 필수 전제 설정 로직은 고정하고 Syzkaller가 변이할 수 있도록 불확실하고 버그에 중요한 입력 파라미터만 노출하는 매개변수화된 퍼징 하네스를 합성합니다. 그런 다음 SyzHarness는 이 하네스를 Syzkaller 호환 인터페이스로 변환하고 계층적 도달 가능성 피드백을 사용하여 반복적으로 개선합니다. 저자들은 트리거 가능한 실제 Linux 커널 취약점의 여러 데이터셋(dataset)에서 SyzHarness를 평가합니다. 100개의 KernelCTF 사례에서 SyzHarness는 78%의 버그 재현 성공률을 달성합니다. SyzDirect 벤치마크(benchmark)에서 SyzHarness는 73%의 버그 재현 성공률을 기록하여 이전의 지향성 그레이박스 퍼징보다 실질적으로 우수한 성능을 보입니다. 2026년 3월 이후 수정된 최근의 트리거 가능한 50개 syzbot 버그에 대해, SyzHarness는 수정 커밋만을 입력으로 사용하여 40/50(80%)을 재현합니다.