💻 computer science

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

Questo articolo presenta MulCovFuzz, un nuovo fuzzer greybox guidato dalla copertura per i protocolli 5G che, monitorando dinamicamente più componenti e utilizzando una funzione di punteggio innovativa, supera i metodi tradizionali identificando nuove vulnerabilità e aumentando significativamente la copertura del codice.

Autori originali: Yu Wang, Yang Xiang, Chandra Thapa, Hajime Suzuki

Pubblicato 2026-02-26

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Yu Wang, Yang Xiang, Chandra Thapa, Hajime Suzuki

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

🌐 Il Problema: La Città di 5G e i suoi "Fantasmi"

Immagina che la rete 5G non sia solo un insieme di cavi e antenne, ma una città futuristica enorme e complessa. In questa città ci sono diversi quartieri specializzati:

Il Quartiere della Mobilità (AMF): gestisce chi entra ed esce.
Il Quartiere delle Sessioni (SMF): decide quali servizi attivare.
Il Quartiere dei Dati (UPF): spedisce i pacchetti di informazioni.
E molti altri.

Questi quartieri devono parlarsi costantemente per far funzionare il telefono di milioni di persone. Il problema è che, come in ogni città complessa, ci sono angoli bui, vicoli ciechi e porte chiuse dove potrebbero nascondersi dei ladri (i bug o le vulnerabilità di sicurezza). Se un ladro trova uno di questi angoli, può rubare dati, bloccare la città o truffare le persone.

🕵️‍♂️ Il Vecchio Metodo: Il "Fuzzing" alla cieca

Fino a poco tempo fa, i tester di sicurezza usavano un metodo chiamato Fuzzing. Immagina di essere un ispettore che lancia migliaia di biglie di gomma contro i muri della città per vedere se si rompono.

Il problema: L'ispettore era "cieco". Lanciava le biglie, aspettava che il muro crollasse (o no), ma non sapeva dove la biglia aveva colpito all'interno del muro.
Se lanciavi una biglia contro il muro del Quartiere della Mobilità, non sapevi se avevi anche toccato il Quartiere dei Dati. Di conseguenza, molti angoli bui rimanevano inesplorati perché l'ispettore non sapeva che stava perdendo tempo o che stava per scoprire qualcosa di importante.

🚀 La Soluzione: MulCovFuzz (Il Super-Ispettore)

Gli autori del paper hanno creato MulCovFuzz, un nuovo tipo di ispettore molto più intelligente. Ecco come funziona, usando delle metafore semplici:

1. La Mappa in Tempo Reale (Copertura Multi-Componente)

Invece di essere cieco, MulCovFuzz ha una mappa luminosa che si accende ogni volta che una biglia tocca un punto specifico della città.

La novità: Non guarda solo il muro su cui ha colpito la biglia. Guarda tutta la città contemporaneamente.
Se lanci una biglia contro il Quartiere della Mobilità e questa, attraverso i corridoi sotterranei, fa vibrare anche il Quartiere dei Dati, la mappa si illumina in entrambi i quartieri.
Questo permette al sistema di capire: "Ehi! Questa biglia ha fatto qualcosa di speciale che collega due quartieri diversi! Dobbiamo lanciare altre biglie simili!"

2. Il Sistema di Punteggio (La "Paga" per le Biglie)

Il sistema ha un algoritmo intelligente che assegna un punteggio a ogni biglia lanciata.

Se una biglia tocca solo un muro noioso, riceve un punteggio basso.
Se una biglia tocca un muro nuovo E fa vibrare un altro quartiere, riceve un punteggio altissimo.
Il risultato: Il sistema smette di perdere tempo con le biglie inutili e ne lancia di più (e più veloci) contro le zone che hanno un punteggio alto. È come se l'ispettore dicesse: "Ok, questa strada sembra promettente, concentriamoci qui!"

3. La Caccia ai Ladri (Le Vulnerabilità)

Grazie a questo metodo, MulCovFuzz è riuscito a trovare 3 nuovi ladri (vulnerabilità zero-day) che nessun altro aveva mai visto prima.

Due di questi ladri erano così ben nascosti che i vecchi metodi (quelli ciechi) non li avevano nemmeno notati dopo 24 ore di tentativi.
MulCovFuzz li ha trovati perché ha capito che per entrare nella loro tana, bisognava fare un movimento preciso che coinvolgeva più quartieri della città allo stesso tempo.

🏆 I Risultati in Pillole

In un test durato 24 ore contro un sistema 5G reale (OpenAirInterface):

Ha esplorato più strade (copertura del codice) rispetto ai metodi vecchi.
Ha trovato più crash (crollo del sistema) che indicavano bug.
È stato molto più veloce nel trovare i difetti gravi (alcuni li ha trovati in minuti, mentre gli altri impiegavano ore o non li trovavano affatto).

💡 In Sintesi

MulCovFuzz è come passare dall'avere un'auto con i fari spenti a guidare di notte con un proiettore potente e una mappa satellitare. Invece di sbattere contro i muri a caso, sa esattamente dove sta andando, vede le connessioni tra le diverse parti della rete 5G e sa dove concentrare i suoi sforzi per trovare i punti deboli prima che i criminali li usino.

È un passo fondamentale per rendere le nostre reti 5G (e future 6G) più sicure, robuste e affidabili per tutti noi.

1. Il Problema

Con la transizione verso le infrastrutture di rete 5G, la sicurezza è diventata una priorità critica a causa dell'architettura complessa e della superficie di attacco ampliata. Le reti 5G introducono tecnologie rivoluzionarie come il Network Slicing, l'architettura basata sui servizi (SBA) e la virtualizzazione delle funzioni di rete (NFV), che creano forti interdipendenze tra i vari componenti del sistema (es. AMF, SMF, UPF, NRF).

I metodi di testing di sicurezza tradizionali per il 5G si basano prevalentemente su tecniche di fuzzing in scatola nera (black-box) o su approcci grey-box limitati che osservano solo la risposta del sistema o la copertura di un singolo componente. Questi approcci presentano gravi limitazioni:

Incapacità di osservare lo stato interno: Non riescono a monitorare come un input di test si propaga attraverso l'intera architettura distribuita.
Mancanza di visibilità sulle interazioni: Spesso falliscono nel raggiungere percorsi di codice critici che si attivano solo in risposta a interazioni specifiche tra più componenti di rete (es. un errore gestito dall'AMF che dipende dallo stato interno dello SMF).
Scoperta inefficace di vulnerabilità: I fuzzer tradizionali tendono a esplorare solo percorsi di parsing superficiali, trascurando la logica funzionale profonda e i casi limite complessi derivanti dalle dipendenze tra i componenti.

2. Metodologia: MulCovFuzz

Il paper presenta MulCovFuzz, un nuovo strumento di fuzzing guidato dalla copertura (greybox) progettato specificamente per i protocolli 5G. L'approccio si distingue per l'implementazione di un meccanismo di raccolta della copertura su multi-componente.

Architettura e Componenti Chiave

Struttura Distribuita: MulCovFuzz tratta il sistema 5G come un insieme di componenti distribuiti (AMF, SMF, NRF, UPF, ecc.) che comunicano tramite interfacce IP. Il fuzzer agisce come client, inviando input all'AMF (Server Under Test - SUT) tramite l'interfaccia N2.
Feedback Multi-Canale: A differenza dei fuzzer tradizionali che usano un solo feedback, MulCovFuzz raccoglie tre tipi di feedback:
1. Messaggi: Input inviati e risposte ricevute.
2. Copertura: Dati di copertura del codice raccolti da tutti i componenti strumentati, non solo dall'SUT.
3. Segnali: Monitoraggio dello stato di runtime (crash, terminazioni anomale).
Modulo di Raccolta Multi-Copertura (MCCM): Per gestire la latenza e la complessità della raccolta dati in tempo reale su componenti distribuiti, è stato progettato un modulo composto da:
- Controller: Coordina le richieste di raccolta e aggrega i dati.
- Collector: Agenti distribuiti in container che estraggono i dati di copertura dalla memoria condivisa (SHM) dei rispettivi componenti.
- Launcher: Gestisce l'avvio e il monitoraggio dei container e dei componenti strumentati.
Instrumentazione: Utilizza afl-clang-fast (basato su LLVM) per strumentare i componenti chiave (AMF, SMF, UPF, NRF, NEF), tracciando la copertura dei blocchi di base e degli edge.
Funzione di Punteggio (Scoring Function): Viene introdotta una nuova funzione di punteggio per l'assegnazione dell'energia ai semi di test (test cases). La funzione combina:
- Ricompensa per la Copertura ( $R_c$ ): Misura il contributo del test alla copertura del codice su tutti i canali strumentati.
- Ricompensa per l'Efficienza ( $R_e$ ): Valuta l'utilizzo delle risorse (tempo di esecuzione).
- Il punteggio finale guida il pianificatore ad allocare più risorse ai semi che massimizzano l'esplorazione delle interazioni multi-componente mantenendo l'efficienza.

3. Contributi Chiave

Nuovo Paradigma di Testing: Introduzione di un fuzzer greybox guidato dalla copertura multi-componente per i sistemi core di rete 5G, che supera i limiti degli approcci basati solo sulla risposta del sistema.
Meccanismo di Raccolta Multi-Componente: Sviluppo di un sistema capace di raccogliere e aggregare dati di copertura da diversi componenti di rete (AMF, SMF, ecc.) in modo asincrono ed efficiente, permettendo di stimare con maggiore precisione l'impatto di un pacchetto sul sistema globale.
Funzione di Punteggio Innovativa: Progettazione di una funzione di scoring che bilancia la ricompensa della copertura e l'efficienza, guidando il fuzzer verso comportamenti complessi e dipendenti dalle interazioni.
Valutazione Completa: Implementazione e valutazione dello strumento su un'implementazione open-source di riferimento (OpenAirInterface - OAI), fornendo un framework per analizzare diverse strategie di fuzzing nei protocolli 5G.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti su un'implementazione open-source di 5G (OpenAirInterface) confrontando MulCovFuzz con fuzzer tradizionali come AFLNet.

Miglioramento della Copertura:
- Incremento del 5,85% nella copertura dei rami (branch coverage).
- Incremento del 7,17% nella copertura delle righe (line coverage).
- Questi risultati dimostrano che MulCovFuzz riesce a esplorare percorsi di esecuzione più profondi e complessi all'interno della logica dell'AMF.
Scoperta di Crash:
- Miglioramento del 16% nella scoperta di crash unici rispetto ad AFLNet durante test di 24 ore.
- La curva di scoperta mostra che MulCovFuzz continua a trovare nuovi crash nella fase avanzata del test, mentre i fuzzer tradizionali tendono a saturarsi.
Vulnerabilità Scoperte (Zero-Day):
- MulCovFuzz ha individuato tre vulnerabilità zero-day nell'implementazione OAI-AMF.
- Due di queste non sono state rilevate da nessun'altra tecnica di fuzzing.
- Esempi specifici:
  - vul-01: Dereferenziamento di puntatore nullo (NPD) in sctp_server.cpp (scoperto in 1.937s vs 20.961s di AFLNet).
  - vul-02: Eccezione non catturata in itti.cpp (scoperto solo da MulCovFuzz).
  - vul-03: Overflow del buffer heap (HBO) nella funzione di decodifica SUCI in 5gsMobileIdentity.cpp (scoperto solo da MulCovFuzz dopo 56.530s). Questa vulnerabilità richiedeva la creazione di messaggi NAS con stati di contesto precisi tra più componenti, impossibili da raggiungere senza feedback multi-componente.

5. Significato e Impatto

Il lavoro di MulCovFuzz rappresenta un avanzamento significativo nel campo della sicurezza delle reti mobili di nuova generazione:

Superamento dei Limiti Attuali: Dimostra che l'approccio "single-component" è insufficiente per le architetture 5G moderne, dove le vulnerabilità emergono spesso dalle interazioni tra servizi.
Validazione dell'Approccio Multi-Copertura: Conferma empiricamente che monitorare la copertura su più componenti distribuiti permette di scoprire percorsi di codice e vulnerabilità che rimarrebbero altrimenti nascosti.
Implicazioni per la Sicurezza 5G: La scoperta di vulnerabilità critiche (come l'overflow heap nella gestione dell'identità mobile) evidenzia rischi reali per la stabilità e la sicurezza delle reti 5G, sottolineando la necessità di strumenti di testing più sofisticati.
Scalabilità: L'architettura proposta, basata su container e feedback asincrono, offre una soluzione pratica per scalare il fuzzing in ambienti di rete distribuiti e complessi, aprendo la strada a futuri lavori su altri sistemi distribuiti (IoT, microservizi).

In sintesi, MulCovFuzz fornisce un framework robusto e innovativo per garantire la resilienza delle reti 5G, spostando il paradigma del testing da una visione isolata dei componenti a una visione olistica dell'intero ecosistema di rete.