| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-03-07 14:15 強化学習を利用したDirected Greybox Fuzzingの検討 ○吉澤龍一（早大）・森 達哉（早大/NICT/理研AIP）  ICSS2024-109 |
|
| 抄録 | （和） | Greybox Fuzzingは人為的なテストや手動調査では発見できないバグや脆弱性を発見するための実践的なテスト手法として知られている。AFLやAFL++で知られるCoverage Guided Fuzzingはエッジカバレッジをメトリクスとしておりプログラム内における探索空間を広げることで包括的なテストを行う。特定のプログラム領域のみを対象とするFuzzingとして、Directed Greybox Fuzzing (DGF)が知られている。DGFでは事前に定義したテスト対象の領域 (target site)の距離メトリクスとし、距離を小さくする方向にFuzzingのバイアスをかけることでtarget siteへの到達を図る。本研究では強化学習を用いたDGF手法のプロトタイプを作成し評価を行った。評価の結果、報酬の設計方法、オーバーヘッドの削減、使用するモデルの見直し等の課題が発見された。評価によって発見された改善点を今後の課題とする。 |
| （英） | Greybox Fuzzing is recognized as a practical testing methodology for discovering bugs and vulnerabilities that cannot be detected through artificial testing or manual investigation. Coverage Guided Fuzzing, known through tools like AFL and AFL++, uses edge coverage as a metric to conduct comprehensive testing by expanding the exploration space within programs. Directed Greybox Fuzzing (DGF) is known as a fuzzing technique that targets specific program regions. In DGF, the distance to predefined target sites is used as a metric, and fuzzing is biased toward reducing this distance to reach the target sites. In this research, we developed and evaluated a prototype of a DGF method using reinforcement learning. The evaluation revealed several challenges, including the design of reward mechanisms, reduction of overhead, and the need to revise the models used. These improvement points identified through evaluation will be addressed in future work. | |
| キーワード | （和） | ファジング / 強化学習 / / / / / / |
| （英） | Fuzzing / Reinforcement Learning / / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 422, ICSS2024-109, pp. 313-320, 2025年3月. | |
| 資料番号 | ICSS2024-109 | |
| 発行日 | 2025-02-27 (ICSS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ICSS2024-109 |
|
| 研究会情報 | |
| 研究会 | ICSS IPSJ-SPT |
| 開催期間 | 2025-03-06 - 2025-03-07 |
| 開催地（和） | 沖縄県立美術館・博物館 |
| 開催地（英） | Okinawa Prefectural Museum & Art Museum |
| テーマ（和） | セキュリティ，トラスト，一般 |
| テーマ（英） | Security, Trust, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | ICSS |
| 会議コード | 2025-03-ICSS-SPT |
| 本文の言語 | 日本語 |
| タイトル（和） | 強化学習を利用したDirected Greybox Fuzzingの検討 |
| サブタイトル（和） | |
| タイトル（英） | Study of Directed Greybox Fuzzing using Reinforcement Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ファジング / Fuzzing |
| キーワード(2)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 吉澤 龍一 / Ryuichi Yoshizawa / ヨシザワ リュウイチ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Wasesa Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 森 達哉 / Tatsuya Mori / |
| 第2著者 所属（和/英） | 早稲田大学/国立研究開発法人情報通信研究機構/理化学研究所 革新知能統合研究センター (略称： 早大/NICT/理研AIP) Waseda University/NICT/RIKEN Center for Advanced Intelligence Project (略称： Wasesa Univ./NICT/RIKEN AIP) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-07 14:15:00 |
| 発表時間 | 20分 |
| 申込先研究会 | ICSS |
| 資料番号 | ICSS2024-109 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.422 |
| ページ範囲 | pp.313-320 |
| ページ数 | 8 |
| 発行日 | 2025-02-27 (ICSS) |
[研究会発表申込システムのトップページに戻る] (日本語ページの行間係数: 1)