파일 퍼징을 위한 생성적 적대 신경망 기반 테스트 파일 생성 기법 (A Test File Generation Method Based on Generative Adversarial Networks for File Fuzzing)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 26권 / 8호 / 384 ~ 389페이지
· 저자명 : 신승훈, 강동수

초록

소프트웨어 보안 취약점을 사이버공격의 수단으로 악용하는 사례가 지속적으로 발생하고 있어 소프트웨어 테스팅을 통해 소프트웨어 취약점을 발견하는 것은 중요하다. 파일 퍼징은 소프트웨어 취약점을 발견하기 위해 입력 파일을 변형하여 실행시켜 보는 방법이다. 본 논문에서는 파일 퍼징의 효율성을 향상시키기 위해 시드파일 구조 분석과 딥러닝 모델인 GAN 모델을 기반으로 하는 테스트 파일 생성 기법을 제안한다. 이를 위해 발견된 크래시를 유발하는 시드파일을 GAN 모델에 학습시키고, GAN 모델이 생성한 파일로 퍼징을 수행함으로써 많은 수의 크래시를 발견할 수 있다.

영어초록

It is crucial to discover software vulnerabilities through software testing as there are continuous cases of exploiting software vulnerabilities as a means of initiating cyberattacks. File fuzzing is a method that modifies and executes input files to detect software vulnerabilities. To improve the efficiency of file fuzzing, this paper proposes seed file structure analysis and test file generation based on the deep learning GAN model. To this end, a large number of crashes may be found by applying the GAN model and fuzzing to the files generated by the GAN model.

참고자료

· 없음