arXiv:2609.23889v3 cs.CR

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

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

Xingyu Li, Juefei Pu, Haonan Li, Arrdya Srivastav, Kareem Shehada, Srikanth V. Krishnamurthy, Zhiyun Qian

제출 2026-09-22

한국어 초록

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.

원문 초록

Automated kernel vulnerability reproduction is essential for bug triage, patch validation, and regression testing, but still lacks an effective and efficient solution. The core challenge is twofold: a reproducer must first recover the trigger scaffold needed to reach the vulnerable state and determine the precise concrete values that actually trigger the bug. Existing directed fuzzing approaches are ineffective at recovering the necessary trigger scaffold, while LLM-only generation is brittle because it struggles with concrete-value discovery and runtime nondeterminism. We design SyzHarness, a framework that combines LLM reasoning with coverage-guided fuzzing for patch-based Linux kernel vulnerability reproduction. Given a patch, SyzHarness uses an LLM agent grounded by code navigation tools to synthesize a parameterized fuzzing harness that fixes the prerequisite setup logic while exposing only uncertain, bug-critical input parameters to be mutated by Syzkaller. SyzHarness then translates this harness into a Syzkaller compatible interface and iteratively refines it using hierarchical reachability feedback. We evaluate SyzHarness on multiple datasets of triggerable real-world Linux kernel vulnerabilities. On 100 KernelCTF cases, SyzHarness achieves a 78% bug reproduction success rate. On the SyzDirect benchmark, SyzHarness achieves a 73% bug reproduction success rate, substantially outperforming prior directed greybox fuzzing. On 50 recent, known-triggerable syzbot bugs fixed after March 2026, SyzHarness reproduces 40/50 (80%) using only the fix commits as input.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2609.23889v3
  2. arXiv:2609.23889v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.21609v2cs.AI공통 태그 Code Generation

HierFlow: Hierarchical Coupled Dual-Space Search for Automatic Agentic Workflow Generation

구조화된 워크플로우는 대규모 언어 모델(LLM)이 복잡한 문제를 해결할 수 있게 해주지만, 이를 자동으로 생성하는 것은 방대한 조합적 탐색 공간으로 인해 심각하게 저해되며, 이는 종종 유연하지 않고 자원을 많이 소모하는 오프라인 학습 의존성을 초래한다. 이를 해결하기 위해, 우리는 워크플로우 생성을 상위 토폴로지 층이 하위 작업 경계를 규정하고 하위 수준의 실행 결과가 토폴로지 자체를 능동적으로 재형성하는, 토폴로지와 실행이 맞물린 탐색 패러다임으로 개념화한다. 이 기반 위에서, 우리는 피드백 기반 토폴로지 조정과 하위 워크플로우 최적화를 위한 빠른 MCTS(Monte Carlo Tree Search) 기반 트리 탐색을 결합하여 에이전트형 워크플로우 설계를 자동화하는, 학습 불필요·테스트 시점 계층적 탐색 아키텍처인 HierFlow를 제안한다. HierFlow는 맥락적 필요에 따라 실행 수준 탐색을 선택적으로 트리거하는 지능형 게이팅 모듈을 통해 효율성을 극대화하며, 우리는 작업 간 결합 정도가 계층적 분할의 효과에 미치는 영향을 상세히 분석함으로써 이 메커니즘을 추가로 뒷받침한다. 질의응답, 수학적 추론, 코드 생성 벤치마크에 걸친 종합적인 테스트는 HierFlow가 강력한 베이스라인을 지속적으로 능가하며, 추가 학습 부담 없이 고품질 결과와 계산 효율성의 최적 균형을 제공함을 확인한다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.