論文の概要: When Flaws Cascade: Understanding Vulnerabilities and Exploitation Chains in JavaScript Engines
- arxiv url: http://arxiv.org/abs/2610.10844v1
- Date: Wed, 07 Oct 2026 19:50:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.645247
- Title: When Flaws Cascade: Understanding Vulnerabilities and Exploitation Chains in JavaScript Engines
- Title（参考訳）: Flaws Cascade: JavaScriptエンジンの脆弱性と爆発の連鎖を理解する
- Abstract要約: JavaScriptエンジンは、攻撃者が脆弱性を悪用する主なターゲットである。
本稿では,JavaScriptエンジンの脆弱性に関する総合的研究について述べる。
2017年から2024年にかけて、4つの主流JavaScriptエンジンに241の脆弱性を含むデータセットを構築しました。
- 参考スコア（独自算出の注目度）: 21.575647179995205
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: JavaScript engines are pivotal to modern web browsers, enabling the execution of dynamic and interactive web applications. However, their complexity and widespread adoption make them prime targets for attackers exploiting vulnerabilities. While existing research has focused on detecting vulnerabilities of JavaScript engines, a significant gap remains in systematically understanding the characteristics of these vulnerabilities, including their symptoms, root causes, and exploitability. This paper bridges this gap by presenting the first comprehensive empirical study on vulnerabilities in JavaScript engines, investigating their characteristics and potential exploitation strategies. We construct a dataset comprising 241 vulnerabilities across four mainstream JavaScript engines from 2017 to 2024. Through in-depth analysis, we first develop taxonomies for symptoms and root causes. Building on this understanding, we investigate the exploitability of these vulnerabilities, identifying key prerequisites and extracting vulnerability trigger chains that demonstrate how logical errors propagate into memory safety violations. Additionally, we analyze the mitigation strategies to counter these exploits. Finally, we summarize key implications for various stakeholders, including developers and researchers, offering actionable insights to improve the security and resilience of JavaScript engines.
- Abstract（参考訳）: JavaScriptエンジンはモダンなWebブラウザにとって重要な要素であり、動的でインタラクティブなWebアプリケーションの実行を可能にする。
しかし、その複雑さと広く採用されているため、攻撃者が脆弱性を悪用する主なターゲットとなっている。
既存の研究はJavaScriptエンジンの脆弱性の検出に重点を置いているが、その症状や根本原因、エクスプロイラビリティなど、これらの脆弱性の特徴を体系的に理解する上で、大きなギャップが残っている。
本稿は、JavaScriptエンジンの脆弱性に関する総合的研究を初めて提示し、その特性と潜在的なエクスプロイト戦略について検討することによって、このギャップを埋めるものである。
2017年から2024年にかけて、4つの主流JavaScriptエンジンに241の脆弱性を含むデータセットを構築しました。
詳細な分析を通じて,我々はまず症状や根本原因の分類学を開拓する。
この理解に基づいて、これらの脆弱性の悪用可能性を調査し、重要な前提条件を特定し、論理的エラーがメモリ安全違反にどのように伝播するかを示す脆弱性トリガーチェーンを抽出する。
さらに、これらのエクスプロイトに対応するための緩和戦略も分析する。
最後に、開発者や研究者を含むさまざまな利害関係者に対する重要な影響を要約し、JavaScriptエンジンのセキュリティとレジリエンスを改善するための実用的な洞察を提供する。
関連論文リスト
- ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks? [92.21756459993695]
低レベルのプログラム推論を必要とするため、爆発は難しい作業です。
その重要性と診断価値にもかかわらず、搾取は未評価のままである。
ExploitGymは、AIエージェントのエクスプロイト能力に関する大規模で多様な、現実的なベンチマークである。
論文 参考訳（メタデータ） (2026-05-11T18:00:14Z) - The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search [58.8834056209347]
大規模言語モデル(LLM)は、有害な出力を誘導するために安全ガードレールをバイパスするジェイルブレイク攻撃に弱いままである。
CKA-Agent(Correlated Knowledge Attack Agent)は、ターゲットモデルの知識基盤の適応的木構造探索としてジェイルブレイクを再構成する動的フレームワークである。
論文 参考訳（メタデータ） (2025-12-01T07:05:23Z) - HackWorld: Evaluating Computer-Use Agents on Exploiting Web Application Vulnerabilities [20.201614123811872]
HackWorldは、視覚的インタラクションを通じてWebアプリケーションの脆弱性を悪用するコンピュータ利用エージェントの機能を評価するための最初のフレームワークである。
11のフレームワークと7つの言語にまたがる36の現実世界のアプリケーションが含まれており、インジェクションの脆弱性、認証バイパス、安全でない入力処理といった現実的な欠陥を特徴としている。
複雑なWebインターフェースをナビゲートしながら、これらの弱点を特定し、活用するためのCUAの能力をテストする。
論文 参考訳（メタデータ） (2025-10-14T06:52:15Z) - Security Analysis of Web Applications Based on Gruyere [4.188145506259564]
Gruyereは既知の脆弱性を分析する実験対象として採用されている。
特定の脆弱性に対する詳細な再現手順を提示し、包括的修復戦略を提案する。
発見によると、Gruyereの脆弱性は比較的時代遅れであるものの、その根底にある原則は、広範囲の現代のセキュリティ欠陥を説明することに非常に関係している。
論文 参考訳（メタデータ） (2025-09-18T07:52:06Z) - Eradicating the Unseen: Detecting, Exploiting, and Remediating a Path Traversal Vulnerability across GitHub [1.2124551005857036]
オープンソースソフトウェアの脆弱性は、現代のデジタルエコシステムにカスケード効果をもたらす可能性がある。
1,756の脆弱性のあるオープンソースプロジェクトを特定しました。
当社は、この脆弱性をメンテナに責任を持って開示し、報告された脆弱性の14%が再報告されている。
論文 参考訳（メタデータ） (2025-05-26T16:29:21Z) - On Security Weaknesses and Vulnerabilities in Deep Learning Systems [32.14068820256729]
具体的には、ディープラーニング(DL)フレームワークについて検討し、DLシステムにおける脆弱性に関する最初の体系的な研究を行う。
各種データベースの脆弱性パターンを探索する2ストリームデータ分析フレームワークを提案する。
我々は,脆弱性のパターンと修正の課題をよりよく理解するために,3,049個のDL脆弱性を大規模に検討した。
論文 参考訳（メタデータ） (2024-06-12T23:04:13Z) - Rethinking the Vulnerabilities of Face Recognition Systems:From a Practical Perspective [53.24281798458074]
顔認識システム(FRS)は、監視やユーザー認証を含む重要なアプリケーションにますます統合されている。
最近の研究によると、FRSの脆弱性は敵(例えば、敵パッチ攻撃)やバックドア攻撃(例えば、データ中毒の訓練)であることが明らかになっている。
論文 参考訳（メタデータ） (2024-05-21T13:34:23Z) - Attack Techniques and Threat Identification for Vulnerabilities [1.1689657956099035]
優先順位付けと集中は、最高のリスク脆弱性に限られた時間を費やすことが重要になります。
この研究では、機械学習と自然言語処理技術、およびいくつかの公開データセットを使用します。
まず、脆弱性を一般的な弱点の標準セットにマッピングし、次に一般的な弱点を攻撃テクニックにマップします。
このアプローチは平均相反ランク(MRR)が0.95であり、最先端システムで報告されているものと同等の精度である。
論文 参考訳（メタデータ） (2022-06-22T15:27:49Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z)
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。