大语言模型辅助的网络协议模糊测试

摘要

协议安全是保证互联网应用安全的基础，而模糊测试是验证协议安全的重要手段.协议测试的难点在于必须严格按照协议RFC中规定的结构和顺序生成数据包.为了生成能够满足协议需要的数据包，现有方法通常将一组记录的数据序列作为种子，但所记录的数据序列往往存在数量和多样性不足等问题，难以覆盖协议状态，而种子随机变异后的数据极有可能再次失效.为解决这一难题，本文探索了基于大语言模型（LLMs）进行网络协议模糊测试的方法，大语言模型充分理解了包括RFC协议在内的大量协议文本信息，从而获得了理解协议和生成测试所需的用例的能力.本文从状态获取、基于状态的种子生成和定向策略变异三方面，基于AFLNET探索了使用LLM进行网络协议模糊测试的方法 LLMAFL.为测试LLMAFL的效果，本文在ProfuzzBench中针对多项协议的测试，从代码覆盖和状态覆盖两方面，与当前领先的AFLNET和CHATAFL进行了对比，结果表明，相同测试时间内，LLMAFL的代码覆盖和状态覆盖相比AFLNET均有提升，部分协议中的效果也大幅超过了CHATAFL.

关键词

网络协议模糊测试 / 大语言模型 / 种子生成 / 定向策略变异