Fugu-MT 論文翻訳(概要): Defending Buffer Overflows in WebAssembly: A Transpiler Approach

論文の概要: Defending Buffer Overflows in WebAssembly: A Transpiler Approach

arxiv url: http://arxiv.org/abs/2604.03859v1
Date: Sat, 04 Apr 2026 20:48:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-07 15:49:18.800758
Title: Defending Buffer Overflows in WebAssembly: A Transpiler Approach
Title（参考訳）: WebAssemblyにおけるバッファオーバーフローの回避 - トランスパイラアプローチ
Authors: Weiqi Feng,
Abstract要約: この研究は、WebAssemblyのアンマネージドメモリにおけるバッファオーバーフローを防止するための方法論とWebAssemblyトランスパイラを提案する。 TranspilerはWebAssemblyバイナリを受け入れ、スタックカナリアとアドレス空間レイアウトランダム化(ASLR)を追加し、バッファオーバーフローから保護する。
参考スコア（独自算出の注目度）: 3.390322732093843
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: WebAssembly is quickly becoming a popular compilation target for a variety of code. However, vulnerabilities in the source languages translate to vulnerabilities in the WebAssembly binaries. This work proposes a methodology and a WebAssembly transpiler to prevent buffer overflows in the unmanaged memory of the WebAssembly runtime. The transpiler accepts a WebAssembly binary and adds stack canaries and Address Space Layout Randomization (ASLR) to protect against buffer overflows.
Abstract（参考訳）: WebAssemblyは、さまざまなコードのコンパイルターゲットとして急速に人気を集めています。しかし、ソース言語の脆弱性はWebAssemblyバイナリの脆弱性に翻訳される。 WebAssemblyランタイムのアンマネージドメモリにおけるバッファオーバーフローを防止するための方法論とWebAssemblyトランスパイラを提案する。 TranspilerはWebAssemblyバイナリを受け入れ、スタックカナリアとアドレス空間レイアウトランダム化(ASLR)を追加し、バッファオーバーフローから保護する。

関連論文リスト

WebSentinel: Detecting and Localizing Prompt Injection Attacks for Web Agents [45.87204751555924]
プロンプトインジェクション攻撃は、Webページのコンテンツを操作して、Webエージェントがユーザの意図したタスクではなく、攻撃者が指定したタスクを実行するようにする。このような攻撃を検知し、局所化する既存の方法は、限られた有効性を実現する。 WebSentinel は,Web ページにおけるインジェクション攻撃の検出と局所化のための2段階のアプローチである。
論文参考訳（メタデータ） (2026-02-03T17:55:04Z)
Fast-dLLM v2: Efficient Block-Diffusion LLM [64.38006546510337]
Fast-dLLM v2はブロック拡散言語モデルで、訓練済みのARモデルをdLLMに適応して並列テキストを生成する。これは、Dream(580Bトークン)のようなフルアテンション拡散LDMと比較して、トレーニングデータの500倍の減少を示す。
論文参考訳（メタデータ） (2025-09-30T14:40:18Z)
Sparse-dLLM: Accelerating Diffusion LLMs with Dynamic Cache Eviction [72.27673320976933]
Diffusion Large Language Models (dLLMs) は推論と並列デコードにおけるブレークスルーを可能にする。現在のキャッシュ技術は、フルレイヤ状態を保存することでデコーディングを加速するが、メモリ使用量を大幅に増加させる。 Sparse-dLLMは、動的キャッシュ消去とスパースアテンションを統合した最初のトレーニングフリーフレームワークである。
論文参考訳（メタデータ） (2025-08-04T16:14:03Z)
Reusing Legacy Code in WebAssembly: Key Challenges of Cross-Compilation and Code Semantics Preservation [4.796846173598521]
WebAssemblyコンパイラがコードの再利用性をどのように満たしているかを調査する。レガシーC/C++コードをWebAssemblyにクロスコンパイルする際の重要な課題を特定します。 WasmCheckerを使用して、WebAssemblyコンパイラが必ずしもコードセマンティクスを保存するとは限らないことを目撃する。
論文参考訳（メタデータ） (2024-12-28T20:24:41Z)
Securing Stack Smashing Protection in WebAssembly Applications [0.0]
これまでの研究によると、WebAssemblyは効果的な保護メカニズムが欠如しているため、バッファオーバーフローに対して脆弱である。 WebAssemblyスタンドアロンランタイムにおけるStack Smashing Protection(SSP)の実装を評価し、現在の実装における2つの弱点を明らかにする。
論文参考訳（メタデータ） (2024-10-23T14:41:59Z)
AdaShield: Safeguarding Multimodal Large Language Models from Structure-based Attack via Adaptive Shield Prompting [54.931241667414184]
textbfAdaptive textbfShield Promptingを提案する。これは、MLLMを構造ベースのジェイルブレイク攻撃から守るための防御プロンプトで入力をプリペイドする。我々の手法は、構造に基づくジェイルブレイク攻撃に対するMLLMの堅牢性を一貫して改善することができる。
論文参考訳（メタデータ） (2024-03-14T15:57:13Z)
SoK: Analysis techniques for WebAssembly [0.0]
WebAssemblyは低レベルのバイトコード言語で、C、C++、Rustといった言語をネイティブに近いパフォーマンスでブラウザで実行できる。 CやC++のようなメモリ不安全な言語の脆弱性は、WebAssemblyバイナリの脆弱性に変換できる。 WebAssemblyは暗号鍵のような悪意ある目的で使われてきた。
論文参考訳（メタデータ） (2024-01-11T14:28:13Z)
Empowering WebAssembly with Thin Kernel Interfaces [1.4133405185767076]
本稿では,プロセス内サンドボックスを壊さずに,OSユーザ空間のsyscallを直接公開するWasmのカーネルインタフェースを提案する。 WASIのような既存のWasm用の機能ベースのAPIは、カーネルインターフェース上のWasmモジュールとして実装できる。我々は,最新のWasmエンジンを拡張して,LinuxとZephyrという2つのカーネルに対して,この概念を実装した。
論文参考訳（メタデータ） (2023-12-06T19:11:15Z)
Static Semantics Reconstruction for Enhancing JavaScript-WebAssembly Multilingual Malware Detection [51.15122099046214]
WebAssemblyを使うと、攻撃者は言語間の相互運用でJavaScriptマルウェアの悪意のある機能を隠せる。 JavaScriptとWebAssembly間の複雑な相互運用とセマンティックな多様性のため、JavaScript-WebAssemblyマルチ言語マルウェア(JWMM)の検出は難しい。本稿では,JWMMの静的検出を高速化する最初の手法であるJWBinderを紹介する。
論文参考訳（メタデータ） (2023-10-26T10:59:45Z)
Adversarial EXEmples: A Survey and Experimental Evaluation of Practical Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
論文参考訳（メタデータ） (2020-08-17T07:16:57Z)

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。