IvySyn：深度学习框架中的自动化漏洞发现
密码学与安全
2023-05-01 v3
摘要
我们呈现IvySyn，首个用于发现深度学习（DL）框架中内存错误漏洞的全自动化框架。IvySyn利用原生API的静态类型特性，以自动对底层内核代码执行类型感知的基于变异的模糊测试。给定一组在底层原生DL（C/C++）代码中触发内存安全（及运行时）错误的违规输入，IvySyn自动合成高级语言（例如Python）中的代码片段，其通过高（更）级API传播触发错误的输入。此类代码片段实质上充当“漏洞证明”，因为它们展示了原生代码中存在攻击者可通过各种高级API targeting的缺陷。我们的评估表明，IvySyn在发现流行DL框架漏洞的效率和有效性上均显著优于过去的方法。具体而言，我们使用IvySyn测试了TensorFlow和PyTorch。尽管仍是早期原型，IvySyn已帮助TensorFlow和PyTorch框架开发者识别并修复61个先前未知的安全漏洞，并分配了39个唯一CVE。
引用
@article{arxiv.2209.14921,
title = {IvySyn: Automated Vulnerability Discovery in Deep Learning Frameworks},
author = {Neophytos Christou and Di Jin and Vaggelis Atlidakis and Baishakhi Ray and Vasileios P. Kemerlis},
journal= {arXiv preprint arXiv:2209.14921},
year = {2023}
}
备注
Accepted at USENIX Security 2023