論文の概要: JANUS: Agentic Cross-Language Fuzzing Harness Generation for Android Native Libraries
- arxiv url: http://arxiv.org/abs/2610.30218v1
- Date: Wed, 21 Oct 2026 16:04:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.086786
- Title: JANUS: Agentic Cross-Language Fuzzing Harness Generation for Android Native Libraries
- Title（参考訳）: JANUS: Androidネイティブライブラリのためのエージェントクロスランゲージファジィ・ハーネス生成
- Abstract要約: 現代のAndroidアプリは、Java Native Interface (JNI)を通じて、Java/KotlinとC/C++をブリッジして、ネイティブライブラリに大きく依存している。
この言語間の相互運用は、メモリセーフなAndroidランタイムを安全でないC/C++の世界に公開し、デバイス全体の妥協のために繰り返し悪用されたアタックサーフェスを生成する。
JANUSはAndroidネイティブライブラリのための言語間JNI対応ファジィハーネスの最初のエージェント的アプローチである。
- 参考スコア（独自算出の注目度）: 16.64748191036192
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern Android apps extensively rely on native libraries, bridging Java/Kotlin and C/C++ through the Java Native Interface (JNI). This cross-language interoperation, however, exposes the memory-safe Android Runtime to the unsafe C/C++ world, creating an attack surface that has been repeatedly exploited for full device compromise. While fuzzing is a proven technique for vetting native libraries, state-of-the-art harness generation tools struggle to faithfully capture closed-source cross-language API usage: (i) precise program analysis across the JNI boundary does not scale, whereas lightweight approximations miss critical invocation patterns; and (ii) none tackles the construction of complex composite objects consumed by JNI methods. In this paper, we propose JANUS, the first agentic approach to synthesizing cross-language JNI-aware fuzzing harnesses for Android native libraries. JANUS iteratively resolves both explicit and implicit cross-language call dependencies to recover app-specific runtime context, and recursively assembles cross-language argument objects in a bottom-up manner. JANUS leverages an autonomous agentic workflow to reduce reliance on hand-crafted heuristics, capturing the vast landscape of hidden API usage knowledge embedded in closed-source native libraries. Evaluation on 44 popular real-world apps (such as Google and YouTube Music, covering 21,386 JNI methods total) shows that JANUS produces over 5.9 times as many valid harnesses (6,094) as state-of-the-art automatic harnessing tools. On pre-installed apps from five mainstream Android vendors (e.g., Xiaomi, Vivo, Samsung), JANUS further uncovers 6 previously unknown vulnerabilities in closed-source native libraries.
- Abstract（参考訳）: 現代のAndroidアプリは、Java Native Interface (JNI)を通じて、Java/KotlinとC/C++をブリッジして、ネイティブライブラリに大きく依存している。
しかし、この言語間の相互運用は、メモリセーフなAndroid Runtimeを安全でないC/C++の世界に公開し、デバイス全体の妥協のために繰り返し悪用されたアタックサーフェスを生成する。
ファジングはネイティブライブラリを検証するための実証済みのテクニックであるが、最先端のハーネス生成ツールは、クローズドソースのクロスランゲージAPIの使用を忠実に捉えるのに苦労している。
(i)JNI境界を越えた正確なプログラム解析はスケールしないが、軽量近似は重要な呼び出しパターンを見逃している。
(ii)JNIメソッドが消費する複雑な複合オブジェクトの構築に取り組むものはない。
本稿では,Androidネイティブライブラリのための言語間JNI対応ファジングハーネスを合成する,最初のエージェント的アプローチであるJANUSを提案する。
JANUSは、明示的および暗黙的なクロス言語呼び出しの依存関係を反復的に解決して、アプリ固有のランタイムコンテキストを回復し、ボトムアップ方法でクロス言語引数オブジェクトを再帰的に組み立てる。
JANUSは、手作りのヒューリスティックスへの依存を減らすために、自律的なエージェントワークフローを活用し、クローズドソースのネイティブライブラリに埋め込まれた、隠れたAPI使用知識の広大な風景をキャプチャする。
44の人気のある現実世界のアプリ(GoogleやYouTube Musicなど21,386のJNIメソッドをカバーしている)の評価によると、JANUSは最先端の自動ハーネスツールとして有効なハーネス(6,094)の5.9倍以上を生産している。
5つの主要なAndroidベンダ(Xiaomi、Vivo、Samsungなど)のプリインストール済みアプリについて、JANUSはさらに、クローズドソースネイティブライブラリの6つの既知の脆弱性を明らかにしている。
関連論文リスト
- Cross-Platform vs Native Mobile Development: An Empirical Study of Software Quality Trade-offs [51.56484100374058]
クロスプラットフォームのモバイルフレームワークはコードの再利用、デリバリサイクルの短縮、実装の労力の削減を約束する。
この記事では、同じ植物管理アプリケーションの5つの実装を比較する。ネイティブiOS、ネイティブAndroid、Flutter、React Native、Kotlin Multiplatform。
この研究は、時間的挙動、実装のフットプリント、ソースコードの組織、および観測可能なレンダリング応答性を調べる。
論文 参考訳（メタデータ） (2026-09-18T09:33:33Z) - Resolving Java Code Repository Issues with iSWE Agent [3.927958209415049]
iSWE AgentはJavaに重点を置いた自動イシューリゾルバである。
2つのサブエージェントで構成され、1つはローカライゼーション用、もう1つは編集用である。
これは、Multi-SWE-benchとSWE-PolyBenchの両方のJava分割における最先端のイシュー解決率を達成する。
論文 参考訳（メタデータ） (2026-03-11T22:43:55Z) - Coverage-Guided Multi-Agent Harness Generation for Java Library Fuzzing [4.258856450871922]
Javaライブラリのファジハーネス生成を自動化するマルチエージェントアーキテクチャを提案する。
5つのReActエージェントはワークフローを研究、合成、コンパイルの修復、カバレッジ分析、改善に分解する。
生成したハーネスはOSS-Fuzzベースラインよりも中央値26%向上し,パッケージスコープのカバレッジでは Jazzer AutoFuzz が5%向上した。
論文 参考訳（メタデータ） (2026-03-09T16:59:30Z) - Validated Code Translation for Projects with External Libraries [8.31687433629915]
外部依存のGoプロジェクトをRustに変換するための翻訳と検証のフレームワークを提示する。
このアプローチでは、(i)GoライブラリAPIをRust APIにマッピングする検索メカニズムと、(ii)言語間の検証パイプラインを組み合わせています。
我々は,非自明な外部依存関係を持つ実世界のGoリポジトリを6つ評価した。
論文 参考訳（メタデータ） (2026-02-20T10:55:14Z) - Jailbreaking in the Haystack [64.82605038772253]
NINJA(Needle-in-haystack jailbreak attackの略)は、有害なユーザ目標に良質なモデル生成コンテンツを追加することで、LMをジェイルブレイクする手法である。
我々は、NINJAがLLaMA、Qwen、Mistral、Geminiを含む最先端のオープンおよびプロプライエタリモデルの攻撃成功率を著しく向上させることを示した。
これらの知見は、注意深いゴール位置決めを施された長いコンテキストでさえ、現代のLMに根本的な脆弱性をもたらすことを示している。
論文 参考訳（メタデータ） (2025-11-05T01:12:50Z) - Deserialization Gadget Chains are not a Pathological Problem in Android:an In-Depth Study of Java Gadget Chains in AOSP [40.53819791643813]
JavaのSerializable APIには、デシリアライズ脆弱性、特にデシリアライズガジェットチェーンの長い歴史がある。
音質と効率性に最適化されたガジェットチェーン検出ツールを設計する。
ツールをAndroid SDK上で実行し、1200のAndroid依存物と包括的なシンクデータセットを組み合わせることで、セキュリティクリティカルなガジェットチェーンが得られません。
論文 参考訳（メタデータ） (2025-02-12T14:39:30Z) - ChatZero:Zero-shot Cross-Lingual Dialogue Generation via Pseudo-Target Language [53.8622516025736]
そこで本研究では,言語間符号切替方式に基づく,エンドツーエンドのゼロショット対話生成モデルChatZeroを提案する。
多言語DailyDialogとDSTC7-AVSDデータセットの実験は、ChatZeroが元のパフォーマンスの90%以上を達成することを示した。
論文 参考訳（メタデータ） (2024-08-16T13:11:53Z) - A Risk Estimation Study of Native Code Vulnerabilities in Android Applications [1.6078134198754157]
我々は,Androidアプリケーションのネイティブな部分に関連するリスクスコアを提供する,高速なリスクベースのアプローチを提案する。
多くのアプリケーションには、誤信が潜在的に悪用する可能性のある、よく知られた脆弱性が含まれていることが示されています。
論文 参考訳（メタデータ） (2024-06-04T06:44:07Z) - Lift Yourself Up: Retrieval-augmented Text Generation with Self Memory [72.36736686941671]
本稿では,検索拡張生成モデルを改善するための新しいフレームワーク,Selfmemを提案する。
Selfmemは、検索拡張ジェネレータを反復的に使用して、無制限のメモリプールを生成し、メモリセレクタを使用して、続く生成ラウンドの1つの出力をメモリとして選択する。
我々は,3つの異なるテキスト生成タスクにおける自己メモの有効性を評価する。
論文 参考訳（メタデータ） (2023-05-03T21:40:54Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳（メタデータ） (2023-04-21T10:00:22Z)
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。