기술 요약: T¨AMU: (GlobalPlatform)-API 계층에서의 신뢰할 수 있는 애플리케이션(Trusted Applications) 에뮬레이션

문제 정의

모바일 기기는 신뢰할 수 있는 코드인 신뢰할 수 있는 애플리케이션(Trusted Applications, TA)을 실행하기 위해 신뢰 실행 환경(Trusted Execution Environments, TEE)에 의존합니다. 이러한 TA의 취약점은 시스템 전체를 위협할 수 있습니다. 그러나 퍼징(fuzzing) 및 디버깅과 같은 동적 분석 기법은 TEE 생태계의 두 가지 주요 요인으로 인해 심각하게 저해됩니다:

1. 폐쇄적인 소스 구조: TEE에서는 올바르게 서명된 코드만 실행될 수 있으므로, 물리적 장치에서의 내부 조사(introspection) 및 동적 분석이 불가능합니다.
2. 이질성 및 파편화: TEE 구현은 벤더(예: Samsung의 TEEGris 대 Xiaomi의 MiTEE)마다 크게 다르며, 서로 다른 운영체제(TOS), 런타임, 시스템 콜 인터페이스를 사용합니다.

PartEmu와 같은 이전의 에뮬레이션 시도들은 자체적인 TOS 상세 정보가 필요하며 재현성이 없습니다. 사용자 모드 에뮬레이션 접근 방식은 API 및 시스템 콜 후킹의 임의적인 조합에 의존하는 경우가 많으며, 다양한 TEE 간의 확장성이 부족합니다. 결과적으로, 테스트 노력은 주로 정적 분석에 국한되어 많은 취약점이 탐지되지 않은 채 남겨져 있습니다.

방법론

본 논문은 API 계층에서 TA의 실행을 가로채어(interposing) TA의 동적 분석을 가능하게 하도록 설계된 리호스팅(rehosting) 플랫폼인 T¨AMU를 제시합니다. 이 방법론은 두 가지 핵심 개념에 기반합니다:

1. 표준화를 통한 API 레벨 인터셉션(Interception)

T¨AMU는 GlobalPlatform (GP) 사양에 의해 주도되는 TEE API의 표준화를 활용합니다.

• GP 및 libc API: 시스템은 TA 상호작용의 상당 부분이 표준화된 GP Internal Core API와 표준 libc 함수를 통해 발생한다는 점을 식별했습니다. T¨AMU는 이러한 API 호출을 가로채는 가상 TEE를 구현합니다.
• 인터셉션 메커니즘: 플랫폼은 에뮬레이터 코어(Qiling/Unicorn 기반)에 TA 바이너리(ELF 파일)를 로드합니다. 시스템은 API 호출을 인스트루먼테이션(instrumentation)하기 위해 Global Offset Table(동적 링크된 TA의 경우) 또는 특정 함수 주소(정적 링크된 TA의 경우)를 후킹합니다. TA가 API를 호출하면 실행이 T¨AMU의 가상 TEE로 리다이렉션되며, 가상 TEE는 해당 함수의 재구현된 버전을 제공한 후 실행을 재개합니다.
• 상태 처리(State Handling): 시스템은 무상태(stateless) API(예: memcmp)와 상태 유지(stateful) API(예: 메모리 할당, 암호화)를 구분하여, 정확한 에뮬레이션을 위해 내부 상태를 추적합니다.

2. 그리디 고수준 에뮬레이션 (Greedy High-Level Emulation, Greedy HLE)

공개 사양이 없어 수동 역공학이 필요한 나머지 TEE 전용 API 문제를 해결하기 위해, T¨AMU는 Greedy HLE를 도입합니다.

• 문제: 모든 독자적인(proprietary) API를 충실히 에뮬레이션하는 것은 비용이 너무 많이 듭니다.
• 해결책: Greedy HLE는 정적 분석을 사용하여 퍼징 중 코드 커버리지를 높일 가능성이 높은 TEE 전용 API를 우선순위에 따라 선정합니다.
• 알고리즘:
  1. TA 코퍼스(corpus)에 대한 절차 간 제어 흐름 그래프(ICFG)를 구축합니다.
  2. 구현된 API 집합의 함수로서 기본 블록(basic blocks)의 "도달 가능성(reachability)"을 계산합니다.
  3. 최대치의 새로운 도달 가능한 기본 블록을 해제하는 TEE 전용 API를 반복적으로 선택합니다.
  4. 이 그리디(greedy) 접근 방식은 높은 영향력을 가진 API에 집중함으로써 최소한의 수동 노력으로 높은 커버리지를 달액할 수 있게 합니다.

구현 세부 사항

• 플랫폼: 약 6,000줄의 코드로 구성된 Qiling(Unicorn의 Python 래퍼)을 기반으로 구축되었습니다.
• 퍼징 통합: 퍼징 입력을 TA의 명령 진입점(TA_InvokeCommandEntryPoint)으로 역직렬화하는 하네스(harness)를 통해 AFL++를 지원합니다.
• 디버깅: GDB와 통합되어 분석가가 에뮬레이션된 TA에 부착(attach)하고, 브레이크포인트를 설정하며, 레지스터 및 메모리를 검사할 수 있도록 합니다.
• 취약점 에뮬레이션: 공유 메모리(normal world와 secure world 사이) 상의 상호작용을 모델링함으로써, 파라미터 타입 혼란(parameter type confusion) 및 TOCTTOU(Time-of-Check to Time-of-Use) 버그를 포함한 특정 취약점 클래스를 충실히 에뮬레이션합니다.

주요 기여

1. 원칙적인 HLE 접근 방식: T¨AMU는 GlobalPlatform API의 채택 증가로 인한 규모의 경제를 활용하여, 특히 TA를 위해 API 계층에서 고수준 에뮬레이션(HLE)을 적용한 최초의 시스템입니다.
2. Greedy HLE 기법: 독자적인 TEE 전용 API의 수동 리호스팅을 우선순위에 따라 배치하여, 공학적 노력을 최소화하면서 커버리지 수율을 극대화하는 데이터 기반 방법론을 제안합니다.
3. 오픈 소스 구현: 저자들은 네 가지 서로 다른 TEE(TEEGris, MiTEE, Beanpod, T6)에서 TA를 실행할 수 있는 T¨AMU를 구현했습니다. 이 시스템은 오픈 소스이며 통합된 퍼징 컴포넌트를 포함합니다.

결과

저자들은 에뮬레이션, 퍼징 및 디버깅 캠페인을 통해 T¨AMU를 평가했습니다:

• 확장성: T¨AMU는 네 가지 서로 다른 TEE에 걸쳐 67개의 TA를 성공적으로 에뮬레이션했습니다.
• 커버리지:
  • 표준 GP 및 libc API만을 구현했을 때, 잠재적으로 도달 가능한 기본 블록의 **39%**를 에뮬레이션할 수 있었습니다.
  • (Greedy HLE를 통해 식별된) 단 10개의 고영향 TEE 전용 API를 구현함으로써, 시스템은 데이터셋 전체에서 **90%**의 도달 가능한 기본 블록을 달성했습니다.
  • 분석 결과, 가장 영향력이 큰 TEE 전용 API의 **70%**가 기존 GP 또는 libc 기능으로 대체될 수 있음을 보여주었으며, 이는 향 startIndex 표준화에 대한 경로를 시사합니다.
• 취약점 발견:
  • 재현: T¨AMU는 파라미터 타입 혼란, 스택/힙 오버플로, TOCTTOU 버그를 포함한 6개의 알려진(n-day) 취약점을 성공적으로 재현했습니다.
  • 발견: 30개의 TA를 대상으로 한 퍼징 캠페인을 통해 11개의 TA에서 17개의 제로 데이(zero-day) 취약점을 찾아냈습니다.
  • 장치 검증: 17개의 제로 데이 취약점 중 11개가 실제 상용 오프 더 쉘프(COTS) 장치에서 성공적으로 재현되었습니다.
• 디버깅: 시스템은 파라미터 타입 혼란 버그(CVE-2023-32835)에 대한 익스플로잇을 디버깅하고 개선하는 데 사용되었으며, 이를 통해 스택 기반 하이재킹을 임의 메모리 읽기를 위한 신뢰할 수 있는 Global Offset Table(GOT) 덮어쓰기 프리미티브로 변환했습니다.

의의 및 주장

본 논문은 T¨AMU가 TEE 생태계의 결정적인 결핍, 즉 효과적인 동적 분석 능력의 부재를 해결한다고 주장합니다. 저자들은 소스 코드가 공개된 벤더들조차 스스로를 위한 이러한 기능을 제공하지 못하고 있다는 점을 언급합니다.

T¨AMU의 의의는 다음과 같습니다:

1. 격차 해소: 전체 시스템 에뮬레이션이나 독자적인 TOS 소스 코드에 대한 접근 없이도, 모바일 TEE 영역에 실질적이고 효과적인 동적 분석(퍼징 및 디버깅)을 가져옵니다.
2. 타당성 입증: GlobalPlatform API로의 TEE 생태계 수렴이 대규모의 교차 벤더 에뮬레이션을 가능하게 함을 증명합니다.
3. 노력의 우선순위화: 독자적인 API를 리호스팅하는 데 있어 "그리디(greedy)" 접근 방식이 관리 가능한 수준의 수동 노력으로 높은 커버리지를 얻을 수 있음을 보여줌으로써, 광범위한 TA에 대해 동적 분석을 용이하게 만듭니다.

저자들은 결론적으로 T¨AMU가 신뢰할 수 있는 애플리케이션에 대한 정적 전용 분석에서 능동적인 동적 보안 테스트로의 전환을 나타내며, 이를 통해 숨겨져 있을 수 있는 치명적인 취약점을 찾아낼 수 있다고 밝힙니다.