💻 computer science

MulCovFuzz: A Multi-Component Coverage-Guided Greybox Fuzzer for 5G Protocol Testing

Cet article présente MulCovFuzz, un outil de fuzzing gris à guidage de couverture multi-composant pour les protocoles 5G qui, grâce à une nouvelle fonction de scoring et une collecte dynamique de couverture, dépasse les méthodes traditionnelles en découvrant plus de branches, de lignes de code et de vulnérabilités critiques, dont trois zero-days.

Auteurs originaux : Yu Wang, Yang Xiang, Chandra Thapa, Hajime Suzuki

Publié 2026-02-26

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Yu Wang, Yang Xiang, Chandra Thapa, Hajime Suzuki

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🛡️ MulCovFuzz : Le Détective qui regarde toute la maison, pas juste une pièce

Imaginez que le réseau 5G (la nouvelle génération d'internet mobile) est une immense ville intelligente. Dans cette ville, il y a des milliers de bâtiments interconnectés : des tours de contrôle, des centres de données, des routes pour les voitures autonomes, etc. Chaque bâtiment a un rôle précis, mais ils doivent tous se parler pour que la ville fonctionne.

Le problème ? Comme cette ville est très complexe et construite avec des matériaux parfois fragiles (du code informatique), il y a des failles de sécurité. Des voleurs pourraient entrer, voler des données ou paralyser la ville.

1. Le Problème : Les détectives aveugles

Jusqu'à présent, pour trouver ces failles, les experts utilisaient des méthodes appelées "fuzzing" (test de robustesse). C'est comme envoyer des milliers de lettres bizarres et illisibles à la tour de contrôle pour voir si elle s'effondre.

Mais ces anciennes méthodes avaient un gros défaut : elles étaient aveugles.

Elles envoyaient le message.
Elles attendaient de voir si la tour répondait ou tombait en panne.
Mais elles ne savaient pas ce qui se passait à l'intérieur.

C'est comme essayer de réparer une voiture en tapant sur le capot et en écoutant le bruit du moteur, sans jamais ouvrir le capot pour voir les pistons. Si une pièce à l'autre bout de la ville réagit bizarrement, l'ancien détective ne le voit pas.

2. La Solution : MulCovFuzz, le détective aux yeux de lynx

Les auteurs de cet article ont créé un nouvel outil appelé MulCovFuzz. Imaginez-le comme un détective qui porte des lunettes spéciales et qui peut voir à l'intérieur de tous les bâtiments de la ville en même temps.

Au lieu de regarder seulement la tour de contrôle (le composant principal), MulCovFuzz surveille aussi les centres de données voisins, les routes et les systèmes d'alarme.

Comment ça marche ? (L'analogie du jeu de piste)

L'Exploration : Le détective envoie un message bizarre.
La Carte de Trésor (Couverture) : Grâce à ses lunettes, il voit exactement quelles pièces du bâtiment ont été visitées par ce message.
- L'ancien détective : "J'ai touché le couloir principal."
- MulCovFuzz : "J'ai touché le couloir principal, mais j'ai aussi fait vibrer une porte secrète dans le sous-sol du bâtiment voisin !"
Le Système de Points : Si un message provoque une réaction intéressante dans plusieurs bâtiments à la fois, MulCovFuzz lui donne beaucoup de points. Il décide alors : "Ce message est génial ! Je vais l'envoyer 1000 fois de plus pour voir jusqu'où il peut aller."

3. Pourquoi est-ce si important ?

Dans la ville 5G, les bâtiments sont très dépendants les uns des autres. Parfois, une faille ne se déclenche que si le bâtiment A envoie un message, que le bâtiment B répond d'une certaine façon, et que le bâtiment C est dans un état précis.

L'ancien détective ne voyait que le bâtiment A. Il ne trouvait jamais la faille.
MulCovFuzz voit la chaîne entière. Il a réussi à trouver des failles cachées que personne n'avait vues avant, car il comprenait la danse complexe entre tous les bâtiments.

4. Les Résultats : Une victoire éclatante

Les chercheurs ont testé leur outil sur une version gratuite et ouverte de la ville 5G (appelée OpenAirInterface). Les résultats sont impressionnants :

Ils ont trouvé 5,85 % de plus de chemins cachés dans le code.
Ils ont découvert 16 % de plus de crashs (effondrements du système) que les méthodes précédentes.
Le plus important : Ils ont trouvé 3 failles de sécurité graves (des "zéro-day") qui n'avaient jamais été découvertes par d'autres outils. Deux d'entre elles étaient totalement invisibles pour les anciennes méthodes.

En résumé

MulCovFuzz est comme passer d'un testeur qui tape sur une porte au hasard, à un inspecteur qui a une vue aérienne de toute la ville. Il comprend comment les différentes parties du réseau 5G interagissent entre elles. En surveillant tout le système en même temps, il trouve les failles les plus dangereuses et les plus cachées, rendant notre futur réseau mobile beaucoup plus sûr pour tout le monde.

Titre : MulCovFuzz : Un Fuzzer Gris à Guidage de Couverture Multi-Composant pour les Tests de Protocoles 5G

1. Problématique

L'adoption croissante des réseaux 5G, avec leur architecture complexe (basée sur le Service-Based Architecture - SBA, la virtualisation des fonctions réseau - NFV, et le découplage logiciel/matériel), a considérablement élargi la surface d'attaque. Les approches de sécurité traditionnelles pour tester ces réseaux reposent souvent sur du fuzzing "boîte noire" ou des techniques d'état limitées.

Limitations actuelles : Ces méthodes ne peuvent pas observer l'état interne du programme ni les informations de couverture de code. Elles se fient uniquement aux réponses du système testé (SUT), ce qui les empêche de détecter des vulnérabilités profondes dépendant de l'interaction entre plusieurs composants distribués (ex: AMF, SMF, NRF, UPF).
Défi spécifique : Dans l'architecture 5G, des chemins de code critiques ne sont accessibles que lorsque des conditions d'état précises sont réunies simultanément sur plusieurs fonctions réseau. Un fuzzer ciblant un seul composant (comme l'AMF) ne peut pas déclencher ces chemins complexes car il manque de visibilité sur les états internes des autres composants.

2. Méthodologie

Les auteurs proposent MulCovFuzz, un outil de fuzzing gris (greybox) innovant qui intègre un mécanisme de rétroaction de couverture multi-composant.

Architecture Globale :
- Le fuzzer agit comme un client envoyant des requêtes via l'interface N2 vers l'AMF (Access and Mobility Management Function).
- Il collecte trois types de retours :
  1. Feedback de message : Réponses du réseau.
  2. Feedback de signal : Détection de plantages (crashes) ou terminaisons anormales.
  3. Feedback de couverture (Clé) : Surveillance dynamique du code exécuté non seulement dans l'AMF, mais aussi dans les autres composants (SMF, NRF, UPF, etc.).
Module de Collecte Multi-Couverture (MCCM) :
- Pour surmonter les problèmes de latence dans les environnements distribués, MulCovFuzz utilise une architecture asynchrone composée de :
  - Controller : Coordonne les demandes de collecte auprès des composants distants.
  - Collector : Déployé dans des conteneurs avec chaque composant cible, il lit les données de couverture (bitmap) depuis la mémoire partagée (SHM) et les envoie au contrôleur.
  - Launcher : Gère le cycle de vie des conteneurs et l'instrumentation.
- L'instrumentation est réalisée via afl-clang-fast (basé sur LLVM) pour tracer les blocs de base et les arêtes (edges) dans chaque composant.
Fonction de Notation (Scoring Function) :
- Une nouvelle fonction de score $S(t)$ $S (t)$ guide l'allocation des ressources de fuzzing (énergie). Elle combine :
  - Récompense de couverture ( $R_c$ ) : Mesure la contribution du test à la couverture de code sur tous les canaux instrumentés.
  - Récompense d'efficacité ( $R_e$ ) : Prend en compte le temps d'exécution.
- Cette formule permet de prioriser les "graines" (seeds) qui déclenchent des comportements nouveaux et complexes à travers l'ensemble de l'architecture, et non pas seulement dans un composant isolé.

3. Contributions Clés

Outil de Fuzzing Gris Innovant : Première implémentation d'un fuzzer guidé par la couverture spécifiquement conçu pour les systèmes cœur de réseau 5G, dépassant les limites des approches mono-composant.
Mécanisme Multi-Composant : Développement d'un système capable de collecter et d'agréger les données de couverture de plusieurs fonctions réseau distribuées (AMF, SMF, NRF, UPF) en temps réel.
Fonction de Score Dynamique : Conception d'une fonction de notation intégrant la couverture multi-canaux pour optimiser l'exploration des espaces d'états complexes et des chemins d'interaction.
Cadre d'Évaluation Complet : Mise en œuvre et validation sur l'implémentation open-source OpenAirInterface (OAI).

4. Résultats Expérimentaux

Les tests ont été réalisés sur une station de travail haute performance avec l'implémentation OAI, comparant MulCovFuzz à l'état de l'art (AFLNet).

Amélioration de la Couverture :
- Augmentation de 5,85 % de la couverture des branches (branch coverage).
- Augmentation de 7,17 % de la couverture des lignes (line coverage).
- Ces gains démontrent une capacité supérieure à explorer des chemins d'exécution profonds et complexes.
Découverte de Plantages :
- Amélioration de 16 % dans la découverte de plantages uniques (unique crashes) sur une période de 24 heures.
- MulCovFuzz a identifié environ 2900 plantages uniques contre 2500 pour AFLNet.
Vulnérabilités Découvertes (Zero-Day) :
- Découverte de 3 vulnérabilités Zero-Day (non corrigées au moment de l'étude).
- 2 de ces vulnérabilités n'ont été détectées par aucune autre technique de fuzzing (y compris AFLNet).
- Exemples notables :
  - Une déréférence de pointeur nul (NPD) découverte 10 fois plus vite.
  - Une exception non attrapée et un débordement de tampon (Heap Buffer Overflow) dans le décodeur SUCI, que MulCovFuzz a trouvés alors qu'AFLNet n'a rien trouvé en 24h.

5. Signification et Impact

Ce travail marque une avancée significative pour la sécurité des réseaux de nouvelle génération :

Paradigme de Test : Il établit que pour tester efficacement des architectures distribuées comme la 5G, il est impératif de passer d'une vision mono-composant à une vision systémique intégrant les dépendances entre les fonctions réseau.
Efficacité de Sécurité : La capacité à découvrir des vulnérabilités logiques complexes (comme les débordements de mémoire dans les processus d'identification SUCI) qui nécessitent un état coordonné entre plusieurs nœuds réseau prouve l'efficacité de l'approche.
Réduction des Risques : En identifiant proactivement des failles critiques (DoS, fuite d'informations, instabilité réseau) avant leur exploitation, MulCovFuzz contribue à renforcer la résilience des infrastructures critiques 5G.
Extensibilité : Bien que focalisé sur la 5G, la méthodologie de couverture multi-composant est applicable à d'autres systèmes distribués complexes (IoT, microservices, Edge Computing).

En conclusion, MulCovFuzz démontre que l'intégration de retours de couverture distribués dans les boucles de fuzzing est une méthode supérieure pour sécuriser les infrastructures réseau modernes face à la complexité croissante des protocoles 5G.