기술 요약: HarmonyOS API를 위한 멀티 에이전트 협력 퍼징

1. 문제 정의

통합 API 프레임워크를 갖춘 마이크로커널 기반 운영체제인 HarmonyOS는 이기종 기기 전반에 걸쳐 대규모 배포를 달성했습니다. 그러나 그 보안은 확장되는 공격 표면, 특히 그 내부의 API에 의해 위협받고 있습니다. 기존의 퍼징 도구들은 다음과 같은 세 가지 주요 과제로 인해 HarmonyOS를 효과적으로 테스트하는 데 어려움을 겪고 있습니다:

1. 예제의 희소성: 성숙한 생태계와 달리, HarmonyOS는 공개적으로 사용 가능한 API 사용 예제가 부족하여 자동화된 도구가 논리적 구조를 이해하기 어렵습니다.
2. 문서화의 한계: 공식 개발자 문서는 품질이 낮은 경우가 많으며, 텍스트와 워크플로우 다이어그램(예: 플로우차트, 시퀀스 다이어그램)이 혼재되어 있어 이미지가 많고 기계가 읽을 수 없는 형태이므로 의미론적 추출을 방해합니다.
3. 크래시 분석의 어려움: HarmonyOS의 마이크로커널 아키텍처와 비동기적 특성은 기존 OS와는 다른 크래시 특성을 유발합니다. 기존의 중복 제거 및 분류 알고리즘은 종종 실패하여, 서로 다른 취약점을 잘못 병합하거나 단일 취약점을 파편화하는 결과를 초러합니다.

2. 방법론: HMFuzzer 프레임워크

저자들은 최소한의 인간 개입으로 취약점 식별을 자동화하기 위해 설계된 멀티 에이전트 협력 퍼징 프레임워크인 HMFuzzer를 제안합니다. 이 프레임워크는 세 가지 협력 에이전트를 통합합니다:

A. 전처리 에이전트 (Preprocessing Agent)

이 에이전트는 문서 및 권한 장벽을 극복하기 위해 입력 데이터를 준비합니다:

• 멀티모달 의미론적 정렬 (Multimodal Semantic Alignment): 이미지 중심의 문서를 처리하기 위해, 이 에이전트는 세 가지 멀티모달 거대언어모델(LLM)인 Qwen, Llama, Gemini를 사용하여 API 워크플로우 다이어그램(JPG/PNG)을 텍스트 설명으로 변환합니다. 텍설 기반 LLM(DeepSeek)은 이러한 설명들을 융합하여 최종적이고 정확한 텍스트 표현을 생성하며, 이는 파일 경로를 통해 원본 문서와 정렬됩니다.
• 권한 추출 (Permission Extraction): 권한 누락으로 인한 오탐(False Positive)을 방방지하기 위해, 에이전트는 공식 문서에서 권한 요구 사항(이름, 설명, 레벨, 모드, 유효성)을 자동으로 추출하고 해당 API에 할당될 구성 파일을 생성합니다.

B. 드라이버 생성 에이전트 (Driver Generation Agent)

이 에이전트는 교차 플랫폼 지식과 강화 학습을 활용하여 HarmonyOS 전용 예제의 부족 문제를 해결합니다:

• Android 지식 베이스 (RAG): HarmonyOS와 Android 사이의 설계 유사성을 인식하여, 시스템은 UI, 스토리지, 네트워크 등을 포함하는 큐레이션된 231개의 Android 예제 코드를 벡터 데이터베이스에 임베딩합니다. 검색 증강 생성(RAG)을 사용하여, 시스템은 HarmonyOS 드라이버 생성을 위한 학습 데이터를 보충하기 위해 의미론적으로 유사한 Android 코드 스니펫을 검색합니다.
• 프롬프트 최적화를 위한 강화 학습 (RL for Prompt Optimization): 드라이버 품질을 개선하기 위해, 에이전트는 RL 스킴을 사용하여 프롬프트 템플릿(CRISPE, CO-STAR 등 기반)을 동적으로 선택하고 변이시킵니다. 보상 함수($R$)는 구문 정확성, 오류(경고, 구문, 의미, 링커, 전처리기)의 최소화, 그리고 생성 시간 사이의 균형을 맞춥니다.
• 구문 검증 (Syntax Verification): 생성된 드라이버는 ArkCompiler를 사용하여 컴파일됩니다. 구문 검사를 통과하지 못한 드라이버는 RL이 선택한 프롬프트에 의해 가이드되어 자동 수정을 위해 에이전트로 반환됩니다.

C. 취약점 분석 에이전트 (Vulnerability Analysis Agent)

이 에이전트는 실행 결과를 분석하여 취약점을 식별합니다:

• 크래시 캡처 (Crash Capture): 특정 HarmonyOS 버전에서의 로그 수집 제한으로 인해, 시스템은 로그와 함께 크래시 스크린샷을 캡처합니다.
• 멀티모달 크래시 분석 (Multimodal Crash Analysis): 스크린샷은 멀티모달 LLM을 통해 텍스트로 변환됩니다. 이러한 설명은 로그 및 취약점 지식 베이스(알려진 CVE 포함)와 결럼되어, 사고의 연쇄(Chain-of-Thought, CoT) 추론을 사용하는 LLM(DeepSeek)에 입력됩니다.
• 분류 (Classification): 에이전트는 취약점 유형을 식별하고, 알려진 데이터베이스와 교차 검증하며, 알려지지 않은 크래시를 수동 검증을 위해 플래그를 지정합니다.

D. 퍼징 루프 (Fuzzing Loop)

시스템은 시드(API 파라미터 리스트)가 에너지 값을 가지고 초기화되는 루프로 작동합니다. LLM은 이러한 시드에 대해 타입 인식 변이(Type-aware mutation)를 수행합니다. 시드 에너지는 로그 출력(경고, 에러, 치명적 에러)과 스크린샷 내 크래시 존재 여부에 따라 재계산되며, 이를 통해 다음 테스트 케이스의 선택을 유도합니다.

3. 주요 기여

1. 최초의 HarmonyOS 전용 퍼저: HMFuzzer는 HarmonyOS API에 퍼즈 테스팅을 적용하기 위해 특별히 설계된 최초의 도구로 제시됩니다.
2. 교차 플랫폼 지식 전이: HarmonyOS 전용 예제의 희소성을 보완하기 위해 Android 예제 코드 라이브 library를 지식 베이스로 통합하는 참신한 방식입니다.
3. 멀티모달 문서 처리: 이미지 기반 워크플로우 다이어그램을 텍스트로 변환하여 코드 생성과 의미론적 정렬을 가능하게 하는 멀티모달 LLM 파이프라인을 사용합니다.
4. RL 기반 드라이버 생성: 구문 오류를 수정하고 드라이버 유효성을 높이기 위해 프롬프트 템플릿을 동적으로 최적화하는 강화 학습 메커니즘을 제공합니다.
5. 오픈 소스 구현: 저자들은 실질적인 사용과 추가 연구를 촉진하기 위해 HMFuzzer 코드를 오픈 소스로 공개했습니다.

4. 실험 결과

실험은 Huawei Nova 12 Ultra 기기에서 HarmonyOS Next 5.0을 대상으로 수행되었으며, HMFuzzer를 fuzz4ALL 및 TitanFuzz 베이스라인과 비교하였습니다.

• 취약점 발견: HMFuzzer는 두 베이스라인 도구가 식별하지 못한 버퍼 오버플로우 관련 알려진 SVG 파싱 취약점(CVE-2024-58115)을 성공적으로 탐지했습니다. 베이스라인들은 특정 예제의 부재로 인해 효과적인 SVG 관련 드라이버를 생성하는 데 실패했습니다.
• 드라이버 품질: 절제 연구(Ablation studies)에서, 모듈 통합은 사용 가능한 드라이버(UD) 수에서 점진적인 향상을 보여주었습니다:
  • 베이스라인: 134 UD
  • • RL: 157 UD (+17%)
  • • RL + Android Examples (AEC): 167 UD (+25%)
  • • RL + AEC + Multimodal Generation (MMG): 174 UD (+30%)
• LLM 선택: DeepSeek가 드라이버 생성에 가장 효과적인 모델로 확인되었습니다. DeepSeek는 141회 반복 과정에서 134개의 유효한 드라이버를 생성하여, Qwen(160회 반복 중 72개 유효) 및 ChatGPT(236회 반복 중 106개 유효)를 능가했습니다.
• 일반화 가능성: 비-HarmonyOS 타겟(PyTorch 및 TensorFlow)에 대한 테스트에서, HMFuzzer는 PyTorch에서 2개의 알려진 취약점과 3개의 새로운 취약점을, TensorFlow에서 4개의 알려진 취약점과 3개의 새로운 취약점을 확인했습니다.
• 효율성: HMFuzzer는 경량화된 랜덤 변이 전략 덕분에 TitanFuzz 및 Fuzz4All에 비해 낮은 메모리 사용량을 보여주었습니다.
• 결합된 취약점: HMFuzizer가 발견한 취약점 중 98.25%가 결합된 취약점으로 식별되었으며, 이는 TitanFuzz가 찾은 41.5%보다 현저히 높습니다.

5. 의의 및 주장

본 논문은 HMFuzzer가 HarmonyOS 생태계를 퍼징하는 데 따르는 고유한 과제, 특히 예제의 부족과 멀티모달 문서의 복잡성을 효과적으로 해결한다고 주장합니다. Android 생태계를 대리 지식 베이스로 활용하고 멀티모달 LLM을 사용하여 문서 파싱을 수행함으로써, 이 프레임워크는 드라이버 생성 품질과 취약점 발견 효율성을 크게 향상시킵니다. 저자들은 이 접근 방식이 수동 노력을 줄이는 동시에 버퍼 오버플로우 및 서비스 거부(DoS) 벡터를 포함한 치명적인 취약점을 밝혀냄으로써, 급격히 확장되는 HarmonyOS 생태계의 보안에 기여한다고 단언합니다.