論文の概要: SyzHarness: Patch-Based Kernel Bug Reproduction with LLM-Synthesized Fuzzing Harnesses
- arxiv url: http://arxiv.org/abs/2609.23889v2
- Date: Wed, 23 Sep 2026 02:54:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.667778
- Title: SyzHarness: Patch-Based Kernel Bug Reproduction with LLM-Synthesized Fuzzing Harnesses
- Title（参考訳）: SyzHarness: LLM合成ファジィハーネスを用いたパッチベースのカーネルバグ再現
- Abstract要約: SyzHarnessは、LLM推論と、パッチベースのLinuxカーネルの脆弱性の再現のためのカバレッジ誘導ファジングを組み合わせたフレームワークである。
100のKernelCTFケースでは、SyzHarnessは78%のバグ再現成功率を達成した。
SyzDirectベンチマークでは、SyzHarnessが73%のバグ再現成功率を達成した。
- 参考スコア（独自算出の注目度）: 31.39938166554902
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated kernel vulnerability reproduction is essential for bug triage, patch validation, and regression testing, but still lacks an effective and efficient solution. The core challenge is twofold: a reproducer must first recover the trigger scaffold needed to reach the vulnerable state and determine the precise concrete values that actually trigger the bug. Existing directed fuzzing approaches are ineffective at recovering the necessary trigger scaffold, while LLM-only generation is brittle because it struggles with concrete-value discovery and runtime nondeterminism. We design SyzHarness, a framework that combines LLM reasoning with coverage-guided fuzzing for patch-based Linux kernel vulnerability reproduction. Given a patch, SyzHarness uses an LLM agent grounded by code navigation tools to synthesize a parameterized fuzzing harness that fixes the prerequisite setup logic while exposing only uncertain, bug-critical input parameters to be mutated by Syzkaller. SyzHarness then translates this harness into a Syzkaller compatible interface and iteratively refines it using hierarchical reachability feedback. We evaluate SyzHarness on multiple datasets of triggerable real-world Linux kernel vulnerabilities. On 100 KernelCTF cases, SyzHarness achieves a 78% bug reproduction success rate. On the SyzDirect benchmark, SyzHarness achieves a 73% bug reproduction success rate, substantially outperforming prior directed greybox fuzzing. On 50 recent, known-triggerable syzbot bugs fixed after March 2026, SyzHarness reproduces 40/50 (80%) using only the fix commits as input.
- Abstract（参考訳）: カーネルの脆弱性の自動再現は、バグトリアージ、パッチ検証、回帰テストに不可欠だが、効率的で効率的なソリューションが欠けている。
複製器はまず、脆弱な状態に達するのに必要なトリガーの足場を回復し、バグを実際にトリガーする正確な具体的な値を決定する必要がある。
既存のファジィングアプローチは、必要なトリガースキャフォールドの回復には効果がないが、LLMのみの生成は、具体的な価値発見と実行時非決定性に苦しむため、不安定である。
我々は、LLM推論と、パッチベースのLinuxカーネルの脆弱性再現のためのカバレッジ誘導ファジングを組み合わせたフレームワークであるSyzHarnessを設計する。
パッチが与えられた場合、SyzHarnessはコードナビゲーションツールによって接地されたLLMエージェントを使用して、パラメータ化されたファジィングハーネスを合成する。
SyzHarnessはこのハーネスをSyzkaller互換インターフェースに変換し、階層的な到達性フィードバックを使って反復的に洗練する。
我々は、トリガー可能な実世界のLinuxカーネル脆弱性の複数のデータセット上でSyzHarnessを評価する。
100のKernelCTFケースでは、SyzHarnessは78%のバグ再現成功率を達成した。
SyzDirectベンチマークでは、SyzHarnessが73%のバグ再現成功率を達成した。
2026年3月以降に修正された50の既知のトリガー可能なsyzbotバグに対して、SyzHarnessは修正コミットのみを入力として40/50(80%)を再現した。
関連論文リスト
- SoK: From Finding to Deployment: Systematizing the OS Kernel Bug Lifecycle [2.113362023794639]
このSoKは、発見からデプロイまでのLinuxカーネルのバグライフサイクルをシステム化する。
我々は、実際のsyzbot固定バグの測定結果に基づいて解析を行った。
これにより、カーネルのセキュリティ自動化が成熟した場所と、バグのクロージャが実際に停止した場所とのミスマッチが露呈する。
論文 参考訳（メタデータ） (2026-09-19T21:25:07Z) - FuzzingBrain-Bench V1: Evaluating Open-Ended Bug Discovery by LLMs [46.58695049126903]
FuzzingBrain-Benchは、AIモデルがオープンソースソフトウェアでバグを発見する能力を評価するためのベンチマークである。
各チャレンジにおけるモデルのパフォーマンスは、生成するクラッシュシグネチャの数に基づいてスコアされる。
クロード・オプス4.8は、77回中60回にクラッシュし、579回中196回を記録。
論文 参考訳（メタデータ） (2026-08-25T21:09:20Z) - One Recipe, Many Harnesses: What Self-Evolution Encodes Across Languages and Models [46.83445434865936]
自己進化型ハーネスは、エージェントが自身のロールアウトを検査し、プロンプト、ツール、メモリを編集するクローズドループシステムである。
ベンチマーク固有の適応、言語固有のエンジニアリング知識、あるいは基礎となるモデルの制限に対する補償をエンコードしているかどうかは不明だ。
論文 参考訳（メタデータ） (2026-08-10T19:45:45Z) - SeedSmith: LLM-Driven Seed Synthesis for Directed Fuzzing [26.159304329367686]
ファジィングステア(fuzzing steers)ファジィア(fuzzers)をユーザ定義のシンク関数に向けて、脆弱性を識別するが、長いキャンペーンの後にもクラッシュをトリガーしないことが多い。
我々は、間接呼び出しの不完全静的解析と、衝突前条件のセマンティックガイダンスの欠如という、直接ファジィザがクラッシュを露呈することを防ぐ2つの課題を特定する。
セキュリティアナリストのワークフローを複製するエージェントパイプラインであるSeedSmithを紹介します。
論文 参考訳（メタデータ） (2026-07-09T21:19:25Z) - Quality-Assured Fuzz Harness Generation via the Four Principles Framework [9.484544174862325]
生成プロセスを通じて正確性を向上させる自律型ハーネス生成システムであるQuartetFuzzを提案する。
コアとなるのはFour Principlesフレームワーク -- Logic Correctness (P1)、API Protocol Compliance (P2)、Security Boundary Respect (P3)、Entry Point Adequacy (P4) である。
論文 参考訳（メタデータ） (2026-05-20T23:48:26Z) - Outrunning LLM Cutoffs: A Live Kernel Crash Resolution Benchmark for All [57.23434868678603]
Live-kBenchは、新たに発見されたカーネルバグのエージェントをスクラップし、評価するセルフ進化ベンチマークの評価フレームワークである。
kEnvは、カーネルのコンパイル、実行、フィードバックのためのエージェントに依存しないクラッシュ解決環境である。
kEnvを用いて3つの最先端エージェントをベンチマークし、最初の試行で74%のクラッシュを解決したことを示す。
論文 参考訳（メタデータ） (2026-02-02T19:06:15Z) - Psyzkaller: Learning from Historical and On-the-Fly Execution Data for Smarter Seed Generation in OS kernel Fuzzing [12.3054061941269]
事実上標準のSyzkallerを含む最先端のカーネルファズーは、暗黙のSyscall Dependency Relations(SDR)を尊重する有効なsyscallシーケンスを生成するのに苦労している。
我々は,N-gramモデルを用いてDongtingデータセットからSDRをマイニングする手法を提案する。
実験の結果、Psyzkallerは48時間のファジングでSyzkallerのコードカバレッジを4.6%-7.0%改善し、110.4%-187.2%のクラッシュを引き起こした。
論文 参考訳（メタデータ） (2025-10-10T02:01:38Z) - What Do They Fix? LLM-Aided Categorization of Security Patches for Critical Memory Bugs [46.325755802511026]
我々は、LLM(Large Language Model)と細調整された小言語モデルに基づく2つのアプローチを統合するデュアルメタルパイプラインであるLMを開発した。
LMは、OOBまたはUAFの脆弱性に対処する最近のLinuxカーネルのパッチ5,140のうち111つを、手作業による検証によって90の正の正が確認された。
論文 参考訳（メタデータ） (2025-09-26T18:06:36Z) - SBEST: Spectrum-Based Fault Localization Without Fault-Triggering Tests [17.90798133817018]
本研究は, 事故報告から得られたスタックトレースを, スペクトルベース断層定位における故障トリガー試験のプロキシとして用いる可能性について検討した。
本稿では,スタックトレース情報とテストカバレッジデータを統合する新たな手法であるSBESTを提案する。
論文 参考訳（メタデータ） (2024-05-01T15:15:52Z)
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。