Resumen Técnico: Fuzzing Cooperativo de Multi-Agentes para las APIs de HarmonyOS

1. Planteamiento del Problema

HarmonyOS, un sistema operativo basado en microkernel con un marco de API unificado, ha logrado un despliegue masivo en dispositivos heterogéneos. Sin embargo, su seguridad se ve amenazada por una superficie de ataque en expansión, particularmente dentro de sus APIs. Las herramientas de fuzzing existentes tienen dificultades para probar eficazmente HarmonyOS debido a tres desafíos principales:

1. Escasez de Ejemplos: A diferencia de los ecosistemas maduros, HarmonyOS carece de ejemplos de uso de API disponibles públicamente, lo que dificulta que las herramientas automatizadas comprendan las estructuras lógicas.
2. Limitaciones de la Documentación: La documentación oficial para desarrolladores suele ser de baja calidad, con exceso de imágenes e intercala texto con diagramas de flujo de trabajo (por ejemplo, diagramas de flujo, diagramas de secuencia) que no son legibles por máquinas, lo que dificulta la extracción semántica.
3. Dificultades en el Análisis de Crashes: La arquitectura de microkernel y la naturaleza asíncrona de las APIs de HarmonyOS resultan en características de crash que difieren de los sistemas operativos convencionales. Los algoritmos de deduplicación y clasificación existentes suelen fallar, lo que conduce a la fusión errónea de vulnerabilidades distintas o a la fragmentación de vulnerabilidades únicas.

2. Metodología: Marco de Trabajo HMFuzzer

Los autores proponen HMFuzzer, un marco de trabajo de fuzzing cooperativo de multi-agentes diseñado para automatizar la identificación de vulnerabilidades con una intervención humana mínima. El marco integra tres agentes colaborativos:

A. Agente de Preprocesamiento

Este agente prepara los datos de entrada para superar las barreras de documentación y permisos:

• Alineación Semántica Multimodal: Para abordar la documentación con exceso de imágenes, el agente emplea tres Modelos de Lenguaje de Gran Escala (LLM) multimodales —Qwen, Llama y Gemini— para convertir los diagramas de flujo de trabajo de la API (JPG/PNG) en descripciones textuales. Un LLM basado en texto (DeepSeek) fusiona estas descripciones para crear una representación textual final y precisa, la cual se alinea con el documento original mediante rutas de archivos.
• Extracción de Permisos: Para evitar falsos positivos causados por la falta de permisos, el agente extrae automáticamente los requisitos de permiso (nombre, descripción, nivel, modo, validez) de los documentos oficiales y genera un archivo de configuración asignado a las APIs correspondientes.

B. Agente de Generación de Drivers

Este agente aborda la falta de ejemplos específicos de HarmonyOS aprovechando el conocimiento multiplataforma y el aprendizaje por refuerzo:

• Base de Conocimientos de Android (RAG): Reconociendo las similitudes de diseño entre HarmonyOS y Android, el sistema incorpora una biblioteca curada de 231 códigos de ejemplo de Android (que cubren UI, almacenamiento, red, etc.) en una base de datos vectorial. Utilizando Generación Aumentada por Recuperación (RAG), el sistema recupera fragmentos de código de Android semánticamente similares para suplementar los datos de entrenamiento para la generación de drivers de HarmonyOS.
• Aprendizaje por Refuerzo (RL) para la Optimización de Prompts: Para mejorar la calidad de los drivers, el agente utiliza un esquema de RL para seleccionar y mutar dinámicamente plantillas de prompts (basadas en criterios como CRISPE, CO-STAR, etc.). La función de recompensa ($R$) equilibra la corrección sintáctica, la minimización de errores (advertencias, sintaxis, semántica, enlazador, preprocesador) y el tiempo de generación.
• Verificación de Sintaxis: Los drivers generados se compilan utilizando el ArkCompiler. Los drivers que fallan las verificaciones de sintaxis son devueltos al agente para una reparación automatizada guiada por los prompts seleccionados por el RL.

C. Agente de Análisis de Vulnerabilidades

Este agente analiza los resultados de la ejecución para identificar vulnerabilidades:

• Captura de Crashes: Debido a las limitaciones en la recolección de logs en ciertas versiones de HarmonyOS, el sistema captura capturas de pantalla de los crashes además de los logs.
• Análisis de Crash Multimodal: Las capturas de pantalla se convierten a texto mediante LLMs multimodales. Estas descripciones, combinadas con los logs y una base de conocimientos de vulnerabilidades (que contiene CVEs conocidos), se introducen en un LLM (DeepSeek) utilizando razonamiento de Cadena de Pensamiento (CoT).
• Clasificación: El agente identifica tipos de vulnerabilidades, realiza una validación cruzada contra bases de datos conocidas y marca los crashes desconocidos para verificación manual.

D. Bucle de Fuzzing

El sistema opera en un bucle donde las semillas (listas de parámetros de la API) se inicializan con valores de energía. El LLM realiza mutaciones conscientes del tipo sobre estas semillas. La energía de la semilla se recalcula basándose en la salida del log (advertencias, errores, errores fatales) y la presencia de crashes en las capturas de pantalla, guiando la selección de los siguientes casos de prueba.

3. Contribuciones Clave

1. Primer Fuzzer para HarmonyOS: HMFuzzer se presenta como la primera herramienta diseñada específicamente para aplicar pruebas de fuzzing a las APIs de HarmonyOS.
2. Transferencia de Conocimiento Cross-Platform: La novedosa integración de una biblioteca de código de ejemplo de Android como base de conocimientos para compensar la escasez de ejemplos específicos de HarmonyOS.
3. Procesamiento de Documentación Multimodal: Un pipeline que utiliza LLMs multimodales para convertir diagramas de flujo de trabajo basados en imágenes en texto, permitiendo la alineación semántica con la generación de código.
4. Generación de Drivers Impulsada por RL: Un mecanismo de aprendizaje por refuerzo que optimiza dinámicamente las plantillas de prompts para reparar errores de sintaxis y mejorar la validez de los drivers.
5. Implementación de Código Abierto: Los autores han liberado el código de HMFuzzer para facilitar su uso práctico y la investigación posterior.

4. Resultados Experimentales

Los experimentos se realizaron en HarmonyOS Next 5.0 utilizando un dispositivo Huawei Nova 12 Ultra, comparando HMFuzzer con las líneas base fuzz4ALL y TitanFuzz.

• Descubrimiento de Vulnerabilidades: HMFuzzer detectó con éxito una vulnerabilidad conocida de parsing de SVG (CVE-2024-58115) que involucra un desbordamiento de búfer, la cual ninguna de las herramientas de línea base identificó. Las herramientas de línea base fallaron al generar drivers efectivos de SVG debido a la falta de ejemplos específicos.
• Calidad de los Drivers: En estudios de ablación, la integración de módulos mostró mejoras incrementales en el número de drivers utilizables (UD):
  • Línea base: 134 UD
  • • RL: 157 UD (+17%)
  • • RL + Ejemplos de Android (AEC): 167 UD (+25%)
  • • RL + AEC + Generación Multimodal (MMG): 174 UD (+30%)
• Selección de LLM: Se identificó a DeepSeek como el modelo más efectivo para la generación de drivers, produciendo 134 drivers válidos en 141 iteraciones, superando a Qwen (72 válidos en 160 iteraciones) y ChatGPT (106 válidos en 236 iteraciones).
• Generalizabilidad: Al probarse en objetivos ajenos a HarmonyOS (PyTorch y TensorFlow), HMFuzzer confirmó 2 vulnerabilidades conocidas y 3 nuevas en PyTorch, y 4 conocidas y 3 nuevas en TensorFlow.
• Eficiencia: HMFuzzer demostró un menor uso de memoria en comparación con TitanFuzz y Fuzz4All, atribuido a su estrategia de mutación aleatoria ligera.
• Vulnerabilidades Combinadas: El 98.25% de las vulnerabilidades encontradas por HMFuzzer fueron identificadas como vulnerabilidades combinadas, significativamente más alto que el 41.5% encontrado por TitanFuzz.

5. Significado y Reivindicaciones

El artículo afirma que HMFuzzer aborda eficazmente los desafíos únicos de realizar fuzzing en el ecosistema de HarmonyOS, específicamente la falta de ejemplos y la complejidad de la documentación multimodal. Al aprovechar el maduro ecosistema de Android como un proxy de conocimiento y emplear LLMs multimodales para el procesamiento de la documentación, el marco mejora significamente la calidad de la generación de drivers y la eficiencia en el descubrimiento de vulnerabilidades. Los autores sostienen que su enfoque reduce el esfuerzo manual mientras descubre vulnerabilidades críticas, incluyendo desbordamientos de búfer y vectores de denegación de servicio (DoS), contribuyendo así a la seguridad del rápidamente en expansión ecosistema de HarmonyOS.