論文の概要: FlexEmu: Towards Flexible MCU Peripheral Emulation (Extended Version)
- arxiv url: http://arxiv.org/abs/2509.07615v1
- Date: Tue, 09 Sep 2025 11:38:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-10 14:38:27.28622
- Title: FlexEmu: Towards Flexible MCU Peripheral Emulation (Extended Version)
- Title（参考訳）: FlexEmu: フレキシブルなMCU周辺エミュレーション(拡張バージョン)を目指して
- Authors: Chongqing Lei, Zhen Ling, Xiangyu Xu, Shaofeng Li, Guangchi Liu, Kai Dong, Junzhou Luo,
- Abstract要約: フレキシブルMCU周辺エミュレーションフレームワークFlexEmuを提案する。
我々はFlexEmuを用いて12種類のMCU周辺機器をモデル化した。
15の異なるMCUプラットフォーム上で90のファームウェアサンプルを評価した結果,自動生成エミュレータはハードウェアの動作を忠実に再現できることがわかった。
- 参考スコア（独自算出の注目度）: 18.25411318855939
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Microcontroller units (MCUs) are widely used in embedded devices due to their low power consumption and cost-effectiveness. MCU firmware controls these devices and is vital to the security of embedded systems. However, performing dynamic security analyses for MCU firmware has remained challenging due to the lack of usable execution environments -- existing dynamic analyses cannot run on physical devices (e.g., insufficient computational resources), while building emulators is costly due to the massive amount of heterogeneous hardware, especially peripherals. Our work is based on the insight that MCU peripherals can be modeled in a two-fold manner. At the structural level, peripherals have diverse implementations but we can use a limited set of primitives to abstract peripherals because their hardware implementations are based on common hardware concepts. At the semantic level, peripherals have diverse functionalities. However, we can use a single unified semantic model to describe the same kind of peripherals because they exhibit similar functionalities. Building on this, we propose FlexEmu, a flexible MCU peripheral emulation framework. Once semantic models are created, FlexEmu automatically extracts peripheral-specific details to instantiate models and generate emulators accordingly. We have successfully applied FlexEmu to model 12 kinds of MCU peripherals. Our evaluation on 90 firmware samples across 15 different MCU platforms shows that the automatically generated emulators can faithfully replicate hardware behaviors and achieve a 98.48% unit test passing rate, outperforming state-of-the-art approaches. To demonstrate the implications of FlexEmu on firmware security, we use the generated emulators to fuzz three popular RTOSes and uncover 10 previously unknown bugs.
- Abstract（参考訳）: マイクロコントローラユニット(MCU)は、低消費電力とコスト効率のため、組み込みデバイスで広く使用されている。
MCUファームウェアはこれらのデバイスを制御し、組み込みシステムのセキュリティに不可欠である。
しかし、MCUファームウェアの動的セキュリティ分析は、使用可能な実行環境が欠如しているため困難であり、既存の動的解析は物理デバイス上では実行できない(例えば、不十分な計算資源)。
我々の研究は、MCU周辺機器を2次元的にモデル化できるという知見に基づいている。
構造レベルでは、周辺機器には多様な実装があるが、ハードウェア実装が共通のハードウェア概念に基づいているため、周辺機器を抽象化するために限られたプリミティブセットを使用することができる。
意味レベルでは、周辺には多様な機能がある。
しかし、同様の機能を示すため、同じ種類の周辺体を記述するために単一の統一的なセマンティックモデルを使用することができる。
これに基づいて、フレキシブルなMCU周辺エミュレーションフレームワークFlexEmuを提案する。
セマンティックモデルが作成されると、FlexEmuは自動的に周辺固有の詳細を抽出してモデルをインスタンス化し、それに従ってエミュレータを生成する。
我々はFlexEmuを用いて12種類のMCU周辺機器をモデル化した。
15の異なるMCUプラットフォームにわたる90のファームウェアサンプルを評価したところ、自動生成エミュレータはハードウェアの動作を忠実に再現し、98.48%の単体テストパス率を達成でき、最先端のアプローチよりも優れていた。
FlexEmuがファームウェアセキュリティに与える影響を実証するために、生成されたエミュレータを使用して、人気のある3つのRTOSをファッズし、10の既知のバグを明らかにする。
関連論文リスト
- Leveraging SystemC-TLM-based Virtual Prototypes for Embedded Software Fuzzing [1.4764499873402919]
SystemCベースの仮想プロトタイプは、ハードウェアが利用可能になる前にソフトウェアをテストするツールとして広く採用されている。
本稿では,American-Fuzzy-Lop-based fuzzerとSystemC-based simulatorを統合可能なフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-01T10:03:11Z) - FMI Meets SystemC: A Framework for Cross-Tool Virtual Prototyping [0.1747623282473278]
物理ハードウェアを必要とせずにソフトウェアを開発するためには、フルシステムシミュレータが一般的に使用される。
SystemCにはネイティブなFMIサポートがないため、より広い共ミュレーション環境への統合が制限されている。
本稿では,FMIを用いてSystemCベースのVPを制御・操作するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-24T12:11:47Z) - EmbedFuzz: High Speed Fuzzing Through Transplantation [21.875588930207943]
本稿では、ローエンドマイクロコントローラユニット(MCU)上の組み込みファームウェアのための効率的なファジリングフレームワークであるEmbedFuzzを紹介する。
我々の新しいファームウェア移植技術は、バイナリMCUファームウェアを、ネイティブパフォーマンスで互換性のあるハイエンドデバイス上で実行されるファームウェアの機能的に等価かつファジリング強化バージョンに変換する。
最先端のMCUファジイザに対する評価では、EmbedFuzzは8倍のファジィスループットを示し、ネイティブ実行によるエネルギーの4分の1を消費する。
論文 参考訳（メタデータ） (2024-12-17T10:09:55Z) - Designing and Implementing a Generator Framework for a SIMD Abstraction Library [53.84310825081338]
SIMD抽象化ライブラリを生成するための新しいエンドツーエンドフレームワークであるTSLGenを提案する。
私たちのフレームワークは既存のライブラリに匹敵するもので、同じパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-07-26T13:25:38Z) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳（メタデータ） (2023-12-14T09:46:16Z) - AIM: Automatic Interrupt Modeling for Dynamic Firmware Analysis [14.623460803437057]
AIMは汎用的でスケーラブルで、ハードウェアに依存しない動的ファームウェア分析フレームワークである。
AIMは、ファームウェアにおける割り込み依存コードを、新しい、ファームウェア誘導のジャスト・イン・タイム・イン・タイム・イン・タイム・インターファイリング技術によってカバーする。
私たちのフレームワークは、最先端のアプローチよりも11.2倍の割り込み依存のコードをカバーしています。
論文 参考訳（メタデータ） (2023-12-02T18:06:22Z) - U-TOE: Universal TinyML On-board Evaluation Toolkit for Low-Power IoT [3.981958767941474]
U-TOEはIoTデザイナと研究者の作業を容易にするために設計されたユニバーサルツールキットである。
我々は,U-TOEのオープンソース実装を提供し,様々なモデルの性能を実験的に評価するためにその利用を実証する。
論文 参考訳（メタデータ） (2023-06-26T10:35:31Z) - Cooperative Hardware-Prompt Learning for Snapshot Compressive Imaging [51.65127848056702]
本稿では,圧縮圧縮画像システムの協調最適化を目的としたFederated Hardware-Prompt Learning (FedHP) フレームワークを提案する。
FedHPは、クライアント間で一貫性のないデータ分散を調整するためのハードウェア条件のプロンプトを学習し、異なるハードウェア間のデータの一貫性の指標となる。
実験により、提案したFedHPは、事前学習されたモデルを複数のハードウェア構成に調整し、0.35dBのFLフレームワークよりも優れた性能を示すことが示された。
論文 参考訳（メタデータ） (2023-06-01T22:21:28Z) - SensiX++: Bringing MLOPs and Multi-tenant Model Serving to Sensory Edge
Devices [69.1412199244903]
エッジデバイス上でMLOpsを統合した,適応モデル実行のためのマルチテナントランタイムを提案する。
S SensiX++は、高度にモジュール化されたコンポーネント化と、明確な抽象化によるデータ操作の外部化と、システム全体のオーケストレーションのためのドキュメント中心の宣言という、2つの基本原則で運用されている。
SensiX++のさまざまな自動化コンポーネントの全体的なスループットと定量化メリットについて報告し、運用の複雑さを著しく低減し、エッジデバイスへの組み込みモデルのデプロイ、アップグレード、再構成、提供の労力を削減する効果を実証する。
論文 参考訳（メタデータ） (2021-09-08T22:06:16Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳（メタデータ） (2020-12-04T23:06:56Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳（メタデータ） (2020-09-09T15:31:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。