Locus: Agentic Predicate Synthesis for Directed Fuzzing
Locus एक नवीन एजेंटिक फ्रेमवर्क है जो लक्षित अवस्थाओं (target states) की ओर निर्देशित फज़िंग को निर्देशित करने के लिए अर्थपूर्ण मध्यवर्ती प्रेडिकेट्स (intermediate predicates) को संश्लेषित करता है, जो अत्याधुनिक फज़र्स की दक्षता में पर्याप्त सुधार करता है और सफलतापूर्वक पहले से अनपैच की गई वास्तविक दुनिया की कमजोरियों की खोज करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, बदलते हुए भूलभुलैया के भीतर गहराई में दबे एक विशिष्ट, छिपे हुए खजाने के संदूक को खोजने की कोशिश कर रहे हैं। यह केवल एक साधारण भूलभुलैया नहीं है; यह कंप्यूटर कोड से बनी एक डिजिटल भूलभुलैया है, और वह "खजाना" एक गुप्त खामी—एक बग (bug)—है जो किसी हैकर को सिस्टम में घुसपैठ करने की अनुमति दे सकता है। यह डायरेक्टेड फज़िंग (directed fuzzing) की दुनिया है। सोचिए कि "फज़िंग" का अर्थ है एक लक्ष्य पर लाखों रैंडम तीर चलाना यह देखने के लिए कि क्या आप किसी कमजोर बिंदु पर निशाना साध पाते हैं। आमतौर पर, आप केवल अंधेरे में तीर चलाते हैं, इस उम्मीद में कि शायद कुछ दिलचस्प मिल जाए। लेकिन "डायरेक्टेड" फज़िंग अधिक स्मार्ट है: आपको पता है कि खजाना (बग) वास्तव में कहाँ है, और आप ऐसे तीर चलाना चाहते हैं जो सीधे वहीं तक ले जाएं।
समस्या यह है कि भूलभुलैया बहुत बड़ी है, और खजाने तक पहुँचने वाला रास्ता अक्सर जटिल, अदृश्य दरवाजों की एक श्रृंखला से बाधित होता है। इन दरवाजों से गुजरने के लिए, आपको शर्तों की एक लंबी श्रृंखला को पूरा करना होगा, जैसे कि सही चाबी होना, सही टोपी पहनना और सही फर्श पर खड़ा होना। यदि आप एक ऐसा तीर चलाते हैं जो इन सूक्ष्म आवश्यकताओं में से एक को भी पूरा करने में विफल रहता है, तो आप एक डेड एंड (बंद रास्ते) में फंस जाते हैं। पारंपरिक तरीके यह अनुमान लगाने की कोशिश करते हैं कि वे कदमों के मामले में खजाने के कितने "करीब" हैं, लेकिन यह एक शहर में केवल एक ऐसे कंपास का उपयोग करके नेविगेट करने जैसा है जो बिना यह बताए "उत्तर" दिशा बताता है कि सड़क पर कोई दीवार बाधा बनकर खड़ी है। यह बहुत अस्पष्ट है और मददगार होने के लिए पर्याप्त नहीं है।
यहाँ लोकस (Locus) आता है, जो शिकागो विश्वविद्यालय, मैरीलैंड विश्वविद्यालय, जॉन्स हॉपकिन्स और नॉर्थवेस्टर्न के शोधकर्ताओं द्वारा विकसित एक नया टूल है। केवल यह अनुमान लगाने के बजाय कि कौन सा रास्ता करीब है, लोकस एक सुपर-स्मार्ट, अथक जासूस की तरह काम करता है जो भूलभुलैया के मानचित्र को पढ़ता है और सहायक संकेतों की एक श्रृंखला लिखता है। यह समझ जाता है कि खजाने तक पहुँचने के लिए आपको कौन से विशिष्ट, सार्थक कदम उठाने ही होंगे, जिससे एक भ्रमित करने वाली भूलभुलैया एक स्पष्ट चेकलिस्ट में बदल जाती है।
लोकस कैसे काम करता है: यह एक विशेष प्रकार के आर्टिफिशियल इंटेलिजेंस (एक "एजेंट") का उपयोग करता है जो कंप्यूटर कोड को पढ़ता है और बग तक पहुँचने के लिए आवश्यक गुप्त नियमों को समझता है। कल्पना कीजिए कि कोड केक बनाने की एक रेसिपी है, और बग तभी होता है जब आप मैदा डालने से पहले चीनी डालते हैं। पारंपरिक उपकरण केवल इतना कह सकते हैं, "आप मिक्सिंग बाउल के करीब पहुँच रहे हैं!" हालाँकि, लोकस कहता है, "रुकिए! आपने अभी तक मैदा नहीं डाला है। यदि आप अभी मैदा नहीं डालते हैं, तो आप उस हिस्से तक कभी नहीं पहुँच पाएंगे जहाँ केक फट जाता है।" यह इन नियमों को "प्रेडिकेट्स" (predicates) के रूप में लिखता है—सरल जाँच जो कंप्यूटर परीक्षण के दौरान चला सकता है। यदि एक टेस्ट इनपुट जाँच में विफल रहता है (जैसे, "मैदा नहीं डाला गया!"), तो कंप्यूटर तुरंत उस पथ पर समय बर्बाद करना बंद कर देता है और दूसरा रास्ता आजमाता है।
शोधकर्ताओं ने लोकस के साथ एक चतुर सुरक्षा जाल (safety net) बनाया है। क्योंकि एआई (AI) सोच का काम कर रहा है, यह गलतियाँ कर सकता है, जैसे कि ऐसा नियम सुझाना जो गलती से खजाने के रास्ते को ही रोक दे। इसे रोकने के लिए, लोकस के पास एक "वैलिडेटर" (validator) है जो एआई द्वारा बनाए गए प्रत्येक नियम की दोबारा जाँच करता है। यह "सिंबोलिक एक्जीक्यूशन" (symbolic execution) नामक एक गणितीय पद्धति का उपयोग यह सिद्ध करने के लिए करता है कि नए नियम गलती से बग तक जाने वाले किसी भी वैध पथ को नहीं हटा देंगे। यह एक सख्त संपादक की तरह है जो जासूस द्वारा लिखे गए हर वाक्य की जाँच करता है ताकि यह सुनिश्चित हो सके कि वह सच है, इससे पहले कि उसे अंतिम कहानी में शामिल किया जाए।
जब टीम ने लोकस का परीक्षण किया, तो परिणाम प्रभावशाली थे। उन्होंने इसे आठ अलग-अलग मौजूदा "तीर चलाने वाले" टूल्स (फज़र्स) में डाला और उन्हें वास्तविक दुनिया के सॉफ़्टवेयर में बग खोजने के लिए देखा। औसतन, लोकस ने इन टूल्स को बग खोजने में 41.6 गुना तेज़ बना दिया। कुछ मामलों में, यह और भी नाटकीय था: एक टूल ने लोकस के साथ, बिना लोकस के मुकाबले 214.2 गुना तेज़ गति से एक बग खोजा। इससे पहले, इनमें से कुछ टूल्स पूरे दिन चलते और कुछ भी नहीं खोज पाते; लोकस के साथ, उन्होंने वही बग बहुत कम समय में खोज लिए।
टीम केवल परीक्षण तक ही सीमित नहीं रही; उन्होंने लोकप्रिय सॉफ़्टवेयर जैसे इमेज लाइब्रेरी और आर्काइव टूल्स में अनपैच्ड (unpatched) बग्स को खोजने के लिए लोकस का उपयोग किया। उन्होंने सफलतापूर्वक नौ पहले से अज्ञात बग्स खोज निकाले। इनमें से तीन को सॉफ़्टवेयर निर्माताओं द्वारा पहले ही स्वीकार किया जा चुका है, जो अब उनके सुधार (fixes) पर काम कर रहे हैं। यह सुझाव देता है कि लोकस केवल एक सैद्धांतिक विचार नहीं है; यह एक व्यावहारिक टूल है जो बुरे तत्वों के आने से पहले छिपे हुए खतरों को ढूंढकर सॉफ़्टवेयर को सुरक्षित रखने में मदद कर सकता है।
संक्षेप में, लोकस खेल को "अंधेरे में तीर चलाने और उम्मीद करने" से बदलकर "जीपीएस और चेकलिस्ट के साथ तीर चलाने" में बदल देता है। यह कंप्यूटर प्रोग्राम के गहरे तर्क को समझने के लिए एआई का उपयोग करता है, खोज को निर्देशित करने के लिए सहायक संकेत बनाता है, और यह सुनिश्चित करने के लिए अपने काम की दोबारा जाँच करता है कि वह खोज को गलत दिशा में न ले जाए। ऐसा करके, यह डिजिटल खजाने की खोज को एक लगभग असंभव कार्य से एक बहुत ही कुशल और सफल साहसिक कार्य में बदल देता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।