論文の概要: Execution Divergence Graphs:Effective Discovery of Control-Flows from Execution Traces as Fuzzing Feedback
- arxiv url: http://arxiv.org/abs/2607.03396v1
- Date: Fri, 03 Jul 2026 14:57:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 12:41:38.3511
- Title: Execution Divergence Graphs:Effective Discovery of Control-Flows from Execution Traces as Fuzzing Feedback
- Title（参考訳）: Execution Divergence Graphs:Fzzing Feedbackとしての実行トレースからの制御フローの有効発見
- Abstract要約: 効率的なテスト戦略は、入力生成プロセスを導くために実行フィードバックに依存する。
本稿では,実行時から構築された制御フローグラフ構造からのフィードバックを用いてファジィザを誘導する手法について論じる。
提案手法は,多数の難解なターゲットを効果的にファジグできることを示すとともに,静的な計測が不可能なシナリオにおいて,その性能を比較する。
- 参考スコア（独自算出の注目度）: 6.458018883486992
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fuzz testing is a popular approach to the security testing of proprietary software. Efficient testing strategies rely on execution feedback to guide the input generation process, particularly when the basic blocks in the binary can be directly observed and instrumented. Unfortunately, collecting such feedback is impossible in scenarios such as in-situ fuzzing of black-box devices and the fuzzing of obfuscated compiled binaries. In this work, we discuss approaches to guide the fuzzer using feedback derived from a control-flow-graph-like (CFG-like) structure constructed from runtime execution. We start by outlining a simple divergence-detection approach that identifies unique execution traces, and then present an improved approach based on an Execution Divergence Graph (EDG). We implement both approaches and demonstrate that they outperform a baseline blind fuzzer. In addition, we discuss particular challenges, such as repeated code execution in loops, and show that the EDG-based approach handles them effectively. We then demonstrate that our approach enables effective fuzzing of a number of obfuscated targets, and compare its performance in scenarios where static instrumentation is impossible. While we focus on a scenario in which full instruction traces are directly observable by the attacker, our scheme can also be applied in scenarios with other feedback channels, such as power consumption.
- Abstract（参考訳）: ファズテストはプロプライエタリなソフトウェアのセキュリティテストに対する一般的なアプローチである。
効率的なテスト戦略は、特にバイナリの基本的なブロックを直接観察して計測できる場合、入力生成プロセスを導くために実行フィードバックに依存する。
残念ながら、ブラックボックスデバイスのin-situ fuzzingや、難読化されたコンパイルバイナリのfuzzingといったシナリオでは、そのようなフィードバックの収集は不可能である。
本研究では,実行時から構築された制御フローグラフ(CFG-like)構造からのフィードバックを用いてファジッターを誘導する手法について議論する。
まず、ユニークな実行トレースを識別する単純な発散検出アプローチの概要を説明し、次に、実行分割グラフ(EDG)に基づいて改善されたアプローチを示す。
どちらの手法も実装し、ベースラインブラインドファザよりも優れていることを示す。
さらに,ループ内での繰り返しコード実行など,特定の課題について議論し,EDGベースのアプローチがそれらを効果的に扱うことを示す。
そして,本手法により,多数の難解なターゲットを効果的にファジリングできることを実証し,静的な計測が不可能なシナリオにおいて,その性能を比較する。
我々は,攻撃者が直接的に命令トレースを観測できるシナリオに注目する一方で,電力消費など他のフィードバックチャネルのシナリオにも適用することができる。
関連論文リスト
- What Resolve Rate Hides: Trajectory Structure Diagnostics for Coding Agents [14.988334585821939]
コーディングエージェントは、ほぼ完全に解決率でランク付けされる。
単一のパス/フェイルラベルは、なぜ実行が失敗したのか、なぜ承認された実行が追加のステップ、時間、トークンを費やしたのかについて何も述べていない。
TraceProbeは、リゾルフレートが隠すものを回復するトラジェクトリに依存しないフレームワークである。
論文 参考訳（メタデータ） (2026-07-07T12:09:46Z) - From Open Loop to Closed Loop: A Test-Time Iterative Optimization Framework for Reference-Consistent Image Generation [108.02425846269234]
制御可能な画像生成は、視覚的参照条件を組み込むことで、大きな進歩を遂げた。
既存の方法は、主にオープンループシステムとして動作する。
本稿では,閉ループ動的トラッキング問題として参照一貫性生成を再構成する新しいテスト時間反復最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-06T05:36:30Z) - SDLLMFuzz: Dynamic-static LLM-assisted greybox fuzzing for structured input programs [6.165429775333409]
SDLLMFuzzは、構造化入力プログラムのための動的静的LLM支援グレーボックスファジングフレームワークである。
提案手法は,構造認識型シード生成と静的クラッシュ解析を統合し,統一されたフィードバックループを形成する。
実験結果から,SDLLMFuzzは従来のグレーボックスファザーよりも有意に優れていた。
論文 参考訳（メタデータ） (2026-04-20T03:10:31Z) - Analyzing Chain of Thought (CoT) Approaches in Control Flow Code Deobfuscation Tasks [39.1560117358229]
CoT(Chain-of-Thought)プロンプトは、コード分析に適した明示的でステップバイステップの推論を通じて導かれる。
制御フロー難読化(CFF)やOpaque Predicates,それらの組み合わせなど,制御フローの難読化に重点を置いている。
単純なプロンプトに比べて,CoTプロンプトは難燃性クオリティを著しく向上することを示す。
論文 参考訳（メタデータ） (2026-04-16T06:08:07Z) - DuET: Dual Execution for Test Output Prediction with Generated Code and Pseudocode [56.14374797825548]
よりエラー耐性の高い擬似コードに基づいて予測を行うLLMベースの擬似コード実行を提案する。
両手法を機能的多数決で組み合わせた二重実行フレームワークであるDuETを提案する。
LiveCodeBenchでは、DuETは最先端のパフォーマンスを実現し、Pass@1を13.6ppで改善した。
論文 参考訳（メタデータ） (2026-04-13T14:18:58Z) - A Physical Agentic Loop for Language-Guided Grasping with Execution-State Monitoring [5.437966695589128]
我々は、接地された実行状態上で動作する有界な実施エージェントとして言語誘導の把握を再構築する。
未修正の学習操作プリミティブをラップする物理エージェントループを導入する。
眼内カメラD405を用いた移動マニピュレータのループを検証した。
論文 参考訳（メタデータ） (2026-04-08T08:01:35Z) - Beyond Input Guardrails: Reconstructing Cross-Agent Semantic Flows for Execution-Aware Attack Detection [32.301679396929536]
静的な入力フィルタリングから実行対応分析へ、防御パラダイムをシフトするフレームワークであるSysNameを提案する。
SysNameは断片化された操作プリミティブを連続した行動軌跡に合成し、システムアクティビティの全体像を可能にする。
実証的な評価により、SysNameは10以上の異なる複合攻撃ベクトルを効果的に検出し、それぞれノードレベルとパスレベルのエンドツーエンド攻撃検出に対して85.3%と66.7%のF1スコアを達成した。
論文 参考訳（メタデータ） (2026-03-04T01:59:16Z) - FuzzRDUCC: Fuzzing with Reconstructed Def-Use Chain Coverage [6.827408090670258]
バイナリのみのファジィは、コードカバレッジを徹底的に達成し、隠れた脆弱性を明らかにするのに苦労することが多い。
本稿では,FzzRDUCCというファジィフレームワークを紹介した。このファジィフレームワークは,定義使用(def-use)チェーンをバイナリ実行ファイルから直接再構成する。
論文 参考訳（メタデータ） (2025-09-05T09:47:34Z) - Execution Guided Line-by-Line Code Generation [48.996319645671605]
本稿では,言語モデル生成プロセスにリアルタイム実行信号を組み込んだニューラルコード生成手法を提案する。
提案手法であるExecution-Guided-Free Guidanceは,モデルがコードを生成する際に動的に実行信号を組み込む。
EG-CFGはコード生成アプローチを大幅に改善し、様々なレベルの複雑さで最先端の結果を達成する。
論文 参考訳（メタデータ） (2025-06-12T17:50:05Z) - Towards Transformer-Based Aligned Generation with Self-Coherence Guidance [51.42269790543461]
トランスフォーマーを用いたテキストガイド拡散モデル(TGDM)におけるアライメント向上のためのトレーニング不要アプローチを提案する。
既存のTGDMは、特に複雑なテキストプロンプトやマルチコンセプト属性バインディングの問題を扱う場合、意味的に整合した画像を生成するのに苦労することが多い。
本手法は,生成過程において,相互注意マップを直接最適化することにより,これらの課題に対処する。
論文 参考訳（メタデータ） (2025-03-22T07:03:57Z) - Token-Level Adversarial Prompt Detection Based on Perplexity Measures
and Contextual Information [67.78183175605761]
大規模言語モデルは、敵の迅速な攻撃に影響を受けやすい。
この脆弱性は、LLMの堅牢性と信頼性に関する重要な懸念を浮き彫りにしている。
トークンレベルで敵のプロンプトを検出するための新しい手法を提案する。
論文 参考訳（メタデータ） (2023-11-20T03:17:21Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z)
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。