論文の概要: Fuzz'EMup: Leveraging EM Side-Channel Emanation to Guide Black-Box Embedded Firmware Fuzzing
- arxiv url: http://arxiv.org/abs/2607.16487v1
- Date: Fri, 17 Jul 2026 20:25:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.158153
- Title: Fuzz'EMup: Leveraging EM Side-Channel Emanation to Guide Black-Box Embedded Firmware Fuzzing
- Title（参考訳）: Fuzz'EMup: EMサイドチャネルのエミュレーションを活用して、ブラックボックスの組み込みファームウェアファジングをガイドする
- Abstract要約: 我々は、電磁(EM)サイドチャネルのエマニュエーションを利用して、ブラックボックス設定でファームウェアファジリングを誘導する手法を提案する。
EMトレースはノイズが多く、タイミングジッタは異なるトレースの対応する特徴を時間とともに変化させる。
実際のファームウェアの4つのターゲットに対するアプローチを評価し,EMからのフィードバックによって経路探索が促進され,無誘導ファジィよりも高いコードカバレッジが得られることを示した。
- 参考スコア（独自算出の注目度）: 8.83241136220859
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As IoT and embedded devices proliferate across various domains, securing their firmware has become critical. Fuzzing offers a systematic approach to uncovering vulnerabilities in firmware, and coverage feedback can improve its effectiveness by guiding exploration. However, many devices make coverage information impossible to obtain by preventing firmware extraction, instrumentation, or accurate emulation; in such cases, testers are left with only inefficient black-box fuzzing. In this paper, we present an approach that leverages electromagnetic (EM) side-channel emanations to guide firmware fuzzing in purely black-box settings. However, turning raw EM measurements into reliable guidance is challenging: EM traces are noisy, and timing jitter causes corresponding features in different traces to shift in time. We address these challenges by combining frequency band selection based on the activity-to-idle signal contrast with dynamic time warping to align per-input traces and detect sustained divergence, while maintaining scalability by organizing executions in a tree structure based on their divergence times. We evaluate our approach on four real firmware targets and demonstrate that EM-derived feedback enhances path exploration, yielding higher code coverage than unguided fuzzing.
- Abstract（参考訳）: IoTや組み込みデバイスがさまざまなドメインにまたがって普及するにつれ、ファームウェアの確保が重要になっている。
Fuzzingはファームウェアの脆弱性を明らかにするための体系的なアプローチを提供する。
しかし、ファームウェア抽出やインスツルメンテーション、あるいは正確なエミュレーションを防止し、カバー情報を入手しにくくする装置も多く、その場合、非効率なブラックボックスファジリングのみでテスタが残される。
本稿では、電磁(EM)サイドチャネルのエマニュエーションを利用して、ブラックボックス設定でファームウェアファジリングを誘導する手法を提案する。
EMトレースはノイズが多く、タイミングジッタは異なるトレースの対応する特徴を時間とともに変化させる。
これらの課題は、アクティブ・ツー・アイドル信号のコントラストに基づく周波数帯域選択とダイナミック・タイム・ワープを組み合わせることで、インプット毎のトレースを整列させ、持続的な発散を検出するとともに、その発散時間に基づいた木構造における実行の整理によるスケーラビリティの維持に対処する。
実際のファームウェアの4つのターゲットに対するアプローチを評価し,EMからのフィードバックによって経路探索が促進され,無誘導ファジィよりも高いコードカバレッジが得られることを示した。
関連論文リスト
- AmbSentry: Mitigating Sensing Eavesdropping in ISAC Systems by Harnessing Ambient IoT Devices [60.083979780396014]
6Gネットワークの重要なパラダイムとして、ISAC(Integrated Sensistance and Communication)が登場している。
本稿では,盗聴者に対する検知情報の漏洩を防止するISACシステムであるAmbSentryを提案する。
論文 参考訳（メタデータ） (2026-08-12T08:42:05Z) - Focusing on What Matters: Saliency-Harnessing Accurate Routing for Diffusion MoE [49.45064510462232]
Mixture-of-Experts (MoE)アーキテクチャは、視覚生成における拡散モデルをスケールするための強力なパラダイムとして登場した。
シャープモエ(SharpMoE)は,サリエンシハーネスの正確なルーティング機構を備えたポストトレーニングフレームワークである。
ノイズ歪んだ入力をバイパスすることで、SharpMoEはルータに明確なサリエンシガイダンスを提供する。
論文 参考訳（メタデータ） (2026-06-25T12:13:40Z) - PowerFuzz: Power-Based Black-Box Firmware Fuzzing [2.175752761257231]
本稿では,二元計測の代用としてパワーサイドチャネル計測を利用した統計的ブラックボックスファジリングフレームワークであるPowerFuzzを紹介する。
ブラックボックスのファームウェアファジリングにおける中心的な課題は、テスト実行中に実行されるブランチを決定することである。
我々は、PowerFuzzがグレーボックスファザに匹敵するブランチカバレッジを提供する一方で、最先端のブラックボックスファザよりも(最大22%)優れていたことを示す。
論文 参考訳（メタデータ） (2026-06-23T15:21:40Z) - Stop Starving or Stuffing Me: Boosting Firmware Fuzzing Efficiency with On-demand Input Delivery [8.656747574799786]
一般的なソフトウェアは、I/O関数に遭遇して入力を受け取るが、ファームウェアの入力は、ファームウェアの実行と独立して非同期に受信することができる。
FIDOという名前のプロトタイプは、既存のファームウェアファザーのアドオンとして機能し、テストケースのデリバリ効率を向上させる。
論文 参考訳（メタデータ） (2026-05-16T04:00:17Z) - DyMA-Fuzz: Dynamic Direct Memory Access Abstraction for Re-hosted Monolithic Firmware Fuzzing [10.760871707398218]
我々はDyMA-Fuzzを導入し、ストリームベースのファズインジェクションの最近の進歩を、再ホスト環境におけるDMA駆動インタフェースに拡張する。
ベンダ固有のディスクリプタ、異種DMA設計、さまざまなディスクリプタロケーション、ランタイム分析技術など、重要な課題に取り組む。
DyMA-Fuzzは、最先端のツールが見逃した脆弱性と実行パスを明らかにし、最大122%のコードカバレッジを達成する。
論文 参考訳（メタデータ） (2026-02-09T14:52:57Z) - E-FuzzEdge: Optimizing Embedded Device Security with Scalable In-Place Fuzzing [2.15053459390808]
E-FuzzEdgeは、実行速度を最適化してマイクロコントローラのためのハードウェア・イン・ループファズリングの非効率性に対処する。
E-FuzzEdgeの重要な利点は、ファームウェアエミュレーションの代わりにデバイステストで実行する他の組み込みファズー技術との互換性である。
論文 参考訳（メタデータ） (2025-10-01T19:24:35Z) - Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。
既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。
本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
論文 参考訳（メタデータ） (2025-08-03T12:06:47Z) - Improving Black-Box Generative Attacks via Generator Semantic Consistency [51.470649503929344]
ジェネレーティブアタックは テスト時に 1つのフォワードパスで 敵の例を生成する
初期ジェネレータの中間機能をEMA教師に整列させることで意味的整合性を実現する。
我々のアプローチは、ブラックボックス転送の一貫性を保ちながら、既存のジェネレーティブアタックにシームレスに統合することができる。
論文 参考訳（メタデータ） (2025-06-23T02:35:09Z) - 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) - Joint Attention-Guided Feature Fusion Network for Saliency Detection of
Surface Defects [69.39099029406248]
本稿では,エンコーダ・デコーダネットワークに基づく表面欠陥検出のための共同注意誘導型特徴融合ネットワーク(JAFFNet)を提案する。
JAFFNetは、主にJAFFモジュールをデコードステージに組み込んで、低レベルと高レベルの機能を適応的に融合させる。
SD- Saliency-900, Magnetic tile, and DAGM 2007 で行った実験から,本手法が他の最先端手法と比較して有望な性能を達成できたことが示唆された。
論文 参考訳（メタデータ） (2024-02-05T08:10:16Z) - Improving Adversarial Robustness of Masked Autoencoders via Test-time
Frequency-domain Prompting [133.55037976429088]
BERTプリトレーニング(BEiT, MAE)を備えた視覚変換器の対向ロバスト性について検討する。
意外な観察は、MAEが他のBERT事前訓練法よりも敵の頑健さが著しく悪いことである。
我々は,MAEの対角的堅牢性を高めるための,シンプルで効果的な方法を提案する。
論文 参考訳（メタデータ） (2023-08-20T16:27:17Z) - Uncertainty-aware Unsupervised Multi-Object Tracking [33.53331700312752]
教師なしマルチオブジェクトトラッカーは、信頼できる機能埋め込みの学習に劣る。
最近の自己監督技術は採用されているが、時間的関係を捉えられなかった。
本稿では、不確実性問題は避けられないが、不確実性自体を活用して学習された一貫性を向上させることができると論じる。
論文 参考訳（メタデータ） (2023-07-28T09:03:06Z) - iffDetector: Inference-aware Feature Filtering for Object Detection [70.8678270164057]
Inference-aware Feature Filtering (IFF)モジュールを導入し、現代の検出器と簡単に組み合わせることができる。
IFFは、畳み込み機能を強化するためにハイレベルなセマンティクスを活用することでクローズドループ最適化を行う。
IFFはCNNベースの物体検出器とプラグアンドプレイ方式で融合でき、計算コストのオーバーヘッドは無視できる。
論文 参考訳（メタデータ） (2020-06-23T02:57:29Z)
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。