論文の概要: Buzz to Boom: Detecting Message Progression Vulnerabilities in Electron Applications via Segmented Directed Fuzzing

• arxiv url: http://arxiv.org/abs/2607.20698v1
• Date: Wed, 22 Jul 2026 20:11:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.21293
• Title: Buzz to Boom: Detecting Message Progression Vulnerabilities in Electron Applications via Segmented Directed Fuzzing
• Title（参考訳）: Buzz to Boom:Segmented Directed Fuzzingによる電子アプリケーションにおけるメッセージ進行脆弱性の検出
• Abstract要約: Electronはクロスプラットフォームデスクトップアプリケーションを構築するための人気のあるフレームワークである。 メッセージ伝搬挙動はメッセージ脆弱性(MPV)として特徴づけられる 本稿では,メッセージパッシングによるプロセス間エクスプロイトを検出するフレームワークであるProtonを紹介する。
• 参考スコア（独自算出の注目度）: 26.33861052551835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electron is a popular framework for building cross-platform desktop applications using web technologies. Such applications consist of multiple processes with different privilege levels that communicate via message passing. When inter-process messages carry attacker-controlled inputs, they can propagate across processes and reach privileged APIs, e.g., command execution. Such a message propagation behavior is characterized as Message Progression Vulnerabilities (MPVs). The exploitation of MPVs is challenging because it often requires multiple steps, e.g., first arbitrary code execution in one process via message passing, and then command injection in another process using another message crafted in the first process. To our knowledge, existing works on Electron security only study unsafe configurations and malicious Document Object Model (DOM) content, i.e., they cannot detect or exploit these vulnerabilities that need to be triggered by complex cross-process exploits via message passing. We present Proton, a segmented directed fuzzing framework for detecting MPVs. Our key insight is to decompose end-to-end fuzzing into per-process segments along message-passing boundaries, where the goals of fuzzing each segment are either: (i) reaching a sink in the current process or (ii) propagating the payload to the next process, to enable the exploration of another process. In the second case, the messages seed the corpus of the next segment. Finally, Proton synthesizes crash inputs from each process to validate end-to-end exploits. We evaluate Proton against 589 real-world Electron applications, resulting in 23 zero-day MPVs. Among them, 22 lead to OS command execution, including projects with over 50k GitHub stars. We responsibly disclosed all findings. To date, we have received 13 acknowledgments, 11 fixes, and 11 CVEs, including a bug bounty from Vercel.
• Abstract（参考訳）: Electronは、Web技術を使ってクロスプラットフォームのデスクトップアプリケーションを構築するための人気のあるフレームワークである。 このようなアプリケーションは、メッセージパッシングを介して通信する異なる特権レベルを持つ複数のプロセスから構成される。 プロセス間メッセージがアタッカー制御された入力を持つ場合、プロセス間で伝搬し、コマンド実行のような特権付きAPIに到達することができる。 このようなメッセージ伝搬挙動は、メッセージプログレクション脆弱性(MPV)として特徴づけられる。 MPVの活用は、しばしば複数のステップを必要とするため、例えば、メッセージパッシングを通じて1つのプロセスで最初に任意のコード実行を行い、最初のプロセスで作られた別のメッセージを使用して別のプロセスでコマンドインジェクションを行う。 私たちの知る限り、Electronのセキュリティに関する既存の研究は、安全でない設定と悪意のあるドキュメントオブジェクトモデル(DOM)コンテンツのみを研究する。 本稿では,MPV検出のためのセグメント指向ファジィフレームワークであるProtonを紹介する。 私たちのキーとなる洞察は、各セグメントをファジングする目的があるメッセージパス境界に沿って、エンドツーエンドのファジングをプロセスごとのセグメントに分解することです。 一 現在の工程で流しにたどり着くこと 二 ペイロードを次のプロセスに伝播させ、他のプロセスの探索を可能にすること。 2つ目のケースでは、メッセージは次のセグメントのコーパスをシードする。 最後に、Protonは各プロセスからクラッシュインプットを合成し、エンドツーエンドのエクスプロイトを検証する。 我々はProtonを実世界の589個のElectronアプリケーションに対して評価し、23個のゼロデイMPVを得た。 その中には、50万以上のGitHubスターを持つプロジェクトを含む、OSコマンド実行に22のリードがある。 私たちは責任を持ってすべての発見を公表した。 これまでに、Vercelからバグ報奨金を含む13の認定、11の修正、11のCVEを受け取りました。

関連論文リスト

• LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
  大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。 我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-26T12:13:05Z)
• Hardware Keystores for AI Agent Signing Workflows: A Zero-Trust MCP Enforcement Architecture [0.0]
  ハードウェア集約キーはベンダーニュートラルなPKCSインターフェースを通じてアクセス可能である。 ハードウェアの閉じ込めが主な貢献である。 AgentDojoのPicateAttackテンプレートから派生した12のインジェクションシナリオに対して評価を行った。
  論文  参考訳（メタデータ） (2026-08-06T15:04:26Z)
• Send and Pretend: Exploiting Transcript Consistency Issues in End-to-End Encrypted Group Chats [1.8831329126144525]
  Threema、WhatsApp、Signal、iMessageは最近、グループ内の合意プロセスを支援する投票を導入した。 これは暗黙的に、すべての参加者が同じ結果を見て、したがって会話の同じ見方を持つという期待を定めている。 この研究で、今日の主要なE2EEメッセンジャーは、グループチャットの書き起こし一貫性をいかなる形でも保証していないことを実証する。
  論文  参考訳（メタデータ） (2026-07-29T22:54:21Z)
• PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
  我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。 セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。 SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。 ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
  論文  参考訳（メタデータ） (2026-07-18T04:46:53Z)
• Understanding and Evaluating Claw-like Agent Security Through a Computer-Systems Lens [65.53494487819053]
  クローのようなAIエージェント(OpenClawなど)は、認証情報、ファイル、ツール、外部サービスへの永続的なアクセスを伴う、常にオンのプロセスである。 我々はClawのようなエージェントをエージェントコンピュータシステムとして扱い、そのゲートウェイランタイムがOSのような仲介の役割を担っている。 我々は、4つの攻撃面にわたる406の敵タスクのベンチマークであるSafeClawArenaを開発した。
  論文  参考訳（メタデータ） (2026-06-29T18:00:45Z)
• RoboProcessBench: Benchmarking Process-Aware Understanding in Vision-Language Robotic Manipulation [59.10505906182782]
  視覚言語モデル(VLM)は、ロボット操作における視覚的批判、報酬発生器、障害検出器として、ますます研究されている。 既存の評価では、VLMが微細なプロセス理解を持っているかどうかを検証できない。 本稿では、視覚言語ロボット操作におけるプロセス認識理解のベンチマークであるRoboProcessBenchを紹介する。
  論文  参考訳（メタデータ） (2026-06-11T08:20:42Z)
• PROJECTMEM: A Local-First, Event-Sourced Memory and Judgment Layer for AI Coding Agents [0.4779196219827507]
  我々は、AIコーディングエージェントのためのオープンソースのローカルファーストメモリおよび判断層であるProjectmemを紹介する。 Projectmemは、型付きイベントの追加専用、プレーンテキストイベントログとして開発を記録する。 私たちはこれをMemory-as-Governance(メモリ・アズ・Governance: エージェントに応答するだけでなく、次のアクションに作用するメモリ)としてフレーム化します。
  論文  参考訳（メタデータ） (2026-06-10T17:02:56Z)
• AEGIS: No Tool Call Left Unchecked -- A Pre-Execution Firewall and Audit Layer for AI Agents [4.963079926145645]
  AEGISはAIエージェントのための事前実行ファイアウォールと監査層である。 ツール実行パスに介在し、3段階のパイプラインを適用する。 ハイリスクコールは、人間の承認のために行われ、すべての決定は、未確認の監査証跡に記録される。
  論文  参考訳（メタデータ） (2026-03-13T03:49:12Z)
• Zero-Permission Manipulation: Can We Trust Large Multimodal Model Powered GUI Agents? [6.9619059967556725]
  アクションリバインド(Action Rebinding)は、エージェントの実行をリバインドする危険な権限をゼロにする、一見良心的なアプリを可能にする、新たな攻撃である。 エージェントのタスク回復ロジックとAndroidのUI状態保存を武器化し、プログラム可能なマルチステップアタックチェーンを編成する。 以上の結果から,原子間相互作用リバインディングの成功率は100%であり,マルチステップアタックチェーンを確実にオーケストレーションできることが示唆された。
  論文  参考訳（メタデータ） (2026-01-18T10:54:54Z)
• VPI-Bench: Visual Prompt Injection Attacks for Computer-Use Agents [74.6761188527948]
  完全なシステムアクセスを持つコンピュータ利用エージェント(CUA)は、セキュリティとプライバシの重大なリスクを負う。 我々は、悪意のある命令がレンダリングされたユーザーインターフェイスに視覚的に埋め込まれた視覚的プロンプトインジェクション(VPI)攻撃について検討する。 実験により,現在のCUAとBUAは,それぞれのプラットフォーム上で最大51%,100%の速度で騙すことができることがわかった。
  論文  参考訳（メタデータ） (2025-06-03T05:21:50Z)
• Automated detection of atomicity violations in large-scale systems [8.31445151968485]
  割り込み駆動プログラムにおける原子性侵害は、安全クリティカルシステムにおけるソフトウェアの信頼性に重大な脅威をもたらす。 実世界の割り込み駆動プログラムにおける原子性違反を検出するマルチエージェントフレームワークであるCLOVERを提案する。
  論文  参考訳（メタデータ） (2025-04-01T08:13:29Z)
• Robust and Verifiable Information Embedding Attacks to Deep Neural Networks via Error-Correcting Codes [81.85509264573948]
  ディープラーニングの時代、ユーザは、サードパーティの機械学習ツールを使用して、ディープニューラルネットワーク(DNN)分類器をトレーニングすることが多い。 情報埋め込み攻撃では、攻撃者は悪意のあるサードパーティの機械学習ツールを提供する。 本研究では,一般的なポストプロセッシング手法に対して検証可能で堅牢な情報埋め込み攻撃を設計することを目的とする。
  論文  参考訳（メタデータ） (2020-10-26T17:42:42Z)
• FCOS: A simple and strong anchor-free object detector [111.87691210818194]
  物体検出を画素ごとの予測方式で解くために, 完全畳み込み型一段物検出器 (FCOS) を提案する。 RetinaNet、SSD、YOLOv3、Faster R-CNNといった最先端のオブジェクト検出器のほとんどは、事前に定義されたアンカーボックスに依存している。 対照的に、提案した検出器FCOSはアンカーボックスフリーであり、提案はフリーである。
  論文  参考訳（メタデータ） (2020-06-14T01:03:39Z)

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。