TaintRadar: Semantic-Aware Taint-Style Vulnerability Detection via Augmented Code Property Graphs
TaintRadar ist ein neuartiger statischer Analyseansatz, der Code Property Graphs um semantische Schichten für Sanitization, Persistenz und Objekt-Aliasing erweitert, um bestehende Einschränkungen beim Taint-Tracking zu überwinden, wodurch die Anzahl der False Positives signifikant reduziert und zahlreiche reale sowie Zero-Day-Schwachstellen in PHP-Anwendungen erfolgreich erkannt werden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich das Internet als eine riesige, geschäftige Stadt vor, in der Millionen von Menschen (Nutzern) ständig Notizen, Pakete und Geheimnisse an verschiedene Läden und Büros (Websites) übergeben. Meistens verläuft dieser Austausch sicher, aber manchmal schleicht sich ein hinterlistiger Krimineller ein, der eine vergiftete Notiz in ein Paket schmuggelt, in der Hoffnung, dass der Ladenbesitzer sie unwissend vor der ganzen Stadt laut vorliest oder sie nutzt, um in einen Tresor einzubrechen. In der Welt der Informatik wird dies als eine „Taint-Style-Schwachstelle“ bezeichnet. Es geschieht, wenn unvertrauenswürdige Informationen von einem Nutzer ungeprüft durch ein Programm reisen, bis sie einen gefährlichen Ort erreichen, wie etwa eine Datenbank oder einen Bildschirm, und dadurch Chaos verursachen.
Um diese Kriminellen zu stoppen, nutzen Sicherheitsexperten eine Methode namens „statische Analyse“. Stellen Sie sich dies als einen superintelligenten Detektiv vor, der die Baupläne jedes Ladens in der Stadt liest, ohne tatsächlich die Türen zu öffnen. Er verfolgt den Pfad jeder Notiz, um zu sehen, ob sie gefiltert oder „sanitized“ (gereinigt) wird, bevor sie einen gefährlichen Ort erreicht. Jahrelang haben diese Detektive ein Werkzeug namens „Code Property Graph“ (CPG) verwendet, das wie eine riesige, 3D-Karte ist, die jede Zeile Code miteinander verbindet. Diese Arbeit argumentiert jedoch, dass die alten Karten blinde Flecken haben. Sie übersehen oft, wie Daten in einem Lagerhaus (einer Datenbank) gespeichert und später von einem anderen Laden wieder aufgenommen werden, oder sie kommen durcheinander, wenn Daten innerhalb komplexer, sich bewegender Boxen (Objekte) transportiert werden. Aufgrund dieser blinden Flecken übersehen die Detektive entweder echte Verbrechen oder schreien „Kriminell!“, wenn es sich nur um eine harmlose Notiz handelt, was zu viel verschwendeter Zeit führt.
Hier kommt TaintRadar ins Spiel, ein neues, verbessertes Detektivsystem, das entwickelt wurde, um diese blinden Flecken zu beheben. Die Forscher hinter TaintRadar erkannten, dass die Karte, um die Bösewichte zu fangen, mehr als nur Linien benötigt, die Code verbinden; sie braucht ein tiefes Verständnis für die Bedeutung. Sie bauten ein System, das drei neue „Superkräfte“ auf die Standardkarte legt. Erstens lernt es, genau zu erkennen, wie verschiedene Arten der Reinigung (Sanitization) funktionieren, damit es weiß, wann eine Notiz wirklich sicher ist. Zweitens verbindet es die Punkte zwischen verschiedenen Läden, die dasselbe Lagerhaus nutzen, und erkennt, dass eine schmutzige Notiz, die am Morgen abgelegt wurde, am Nachmittag aufgenommen und für Unheil verwendet werden kann, selbst wenn die Läden nicht direkt miteinander kommunizieren. Drittens wird es intelligent darin, wie Daten innerhalb komplexer, sich bewegender Boxen fließen, indem es genau verfolgt, wie sich ein Geheimnis verändert, während es von einer Hand zur nächsten innerhalb eines Programms weitergegeben wird.
Als das Team TaintRadar auf einem Standardset von Übungsrätseln (dem SARD-Benchmark) testete, waren die Ergebnisse beeindruckend. Es entdeckte 80 % der Schwachstellen und machte dabei weit weniger Fehler als bisherige Werkzeuge. Doch der wahre Test kam, als sie TaintRadar auf 19 echte Websites anwendeten. TaintRadar fand die große Mehrheit der zuvor gemeldeten bekannten Sicherheitslücken. Noch aufregender war, dass es 29 brandneue, nie zuvor gesehene Sicherheitslücken (sogenannte „Zero-Days“) in sechs verschiedenen Anwendungen aufdeckte. Dies beinhaltete 26 Fälle, in denen Angreifer schädlichen Code in Datenbanken injizieren könnten, sowie 3 Fälle, in denen sie Browser dazu verleiten könnten, bösartige Skripte anzuzeigen. Die Forscher haben diese neuen Funde bereits den Unternehmen gemeldet, denen die Websites gehören, sowie an die offizielle CVE-Datenbank (Common Vulnerabilities and Exposures), die ihnen eindeutige Identifikationsnummern zuweist, damit sie behoben werden können.
Kurz gesagt: TaintRadar beweist, dass wir, indem wir den Detektiv lehren, die Geschichte der Daten zu verstehen – wie sie gereinigt werden, wo sie gespeichert werden und wie sie sich durch komplexe Objekte bewegen –, ein wesentlich schärferes und genaueres Sicherheitssystem bauen können. Es betrachtet nicht nur die Linien auf der Karte; es versteht den Rhythmus der Stadt, was es digitalen Kriminellen viel schwerer macht, durch die Maschen zu schlüpfen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.