论文概述

https://www.usenix.org/system/files/usenixsecurity24-zhao.pdf

（SaTC + 大模型）：使用污点分析技术来检测嵌入式系统漏洞的方法

![[2024-12-17-LARA论文阅读笔记/file-20241217200349708.png]]

核心思路

  • 嵌入式固件中代码（输入处理函数）与数据（URI，KEY）的语义联系有助于识别污点分析的source点
  • 将用户输入条目分为URI和KEY两类，并进行两类的mapping工作，有助于发现隐藏的URI和KEY
    • 关系图：
      ![[2024-12-17-LARA论文阅读笔记/file-20241217204623878.png]]
      • 提取：先从前端获取一部分，然后在后端识别URI或KEY处理代码，再扩展
  • 分为两个模块：
    • pattern-based静态分析
    • LLM辅助分析：代码语义分析（大模型在总结代码语义上有很好的效果）
    • （sink点提取）

优势

  • 添加大模型，通过语义理解的方式来辅助判断，显著提升了关键字识别的准确率
  • 降低了漏洞检测假阳率
  • 大模型与基于pattern匹配两种模式的结合
  • URI、KEY分离的思想

不足

（猜测）引入大模型，两套分析模式的结合存在挑战（例如效率上，以及是否存在实验数据错误等）

结果

203个设备，21个厂商
相较于SaTC，KARONTE分别多发现了556，602个漏洞，降低假阳率57.0%，54.3%

57个设备中发现了245个0-day，162个CVE