💻 computer science

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

Este artigo apresenta o MulCovFuzz, uma ferramenta de fuzzing cinza guiada por cobertura multi-componente para testes de protocolos 5G, que supera abordagens tradicionais ao monitorar dinamicamente a cobertura de código em diferentes componentes do sistema, resultando em maior descoberta de cobertura e na identificação de três vulnerabilidades zero-day não detectadas por outras técnicas.

Autores originais: Yu Wang, Yang Xiang, Chandra Thapa, Hajime Suzuki

Publicado 2026-02-26

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Yu Wang, Yang Xiang, Chandra Thapa, Hajime Suzuki

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que a rede 5G é como uma cidade futurista e superconectada, cheia de prédios (os servidores), ruas (os cabos de dados) e milhões de carros (os dados dos usuários) se movendo em alta velocidade. Para garantir que essa cidade não colapse ou seja invadida por ladrões, precisamos de inspetores de segurança muito inteligentes.

O problema é que os inspetores antigos (as ferramentas de teste tradicionais) eram como policiais cegos. Eles jogavam pedras aleatoriamente na cidade e só olhavam para ver se algo quebrava ou se alguém gritava "socorro". Se a pedra não causasse um barulho imediato, eles achavam que tudo estava bem, mesmo que houvesse uma rachadura escondida no alicerce de um prédio.

Aqui entra o MulCovFuzz, o novo herói do artigo. Vamos explicar como ele funciona usando analogias do dia a dia:

1. O Problema: A Cidade é Muito Complexa

A rede 5G não é um prédio só; é um sistema de muitos prédios que conversam entre si (chamados de AMF, SMF, UPF, etc.).

A Limitação Antiga: Os inspetores antigos olhavam apenas para a fachada de um prédio. Se o prédio parecia intacto, eles iam embora. Mas, às vezes, um problema em um prédio (digamos, o de energia) só aparece quando você tenta acionar o elevador de outro prédio (o de segurança). Os inspetores antigos não conseguiam ver essa conexão.

2. A Solução: O "Mapa de Calor" Multicomponente

O MulCovFuzz é como um inspetor com óculos de raio-x e um mapa de calor em tempo real de toda a cidade.

Não é só olhar, é sentir: Em vez de apenas jogar pedras e esperar um grito, o MulCovFuzz coloca sensores em todos os prédios da cidade ao mesmo tempo.
A Analogia do "Efeito Dominó": Imagine que você empurra uma peça de dominó na entrada da cidade.
- O inspetor velho só olha se a primeira peça caiu.
- O MulCovFuzz vê se a primeira peça derrubou a segunda, que derrubou a terceira, e se, no final, uma porta trancada no último prédio se abriu.
- Se o seu "empurrão" (o teste) fez algo acontecer em vários prédios ao mesmo tempo, o MulCovFuzz diz: "Isso foi interessante! Vamos tentar fazer isso de novo, mas de um jeito um pouco diferente, para ver o que mais acontece."

3. Como ele "Aprende" (O Sistema de Pontuação)

O MulCovFuzz tem um cérebro muito esperto que usa uma fórmula de pontuação para decidir onde gastar sua energia.

Ele não perde tempo empurrando dominós que já sabemos que vão cair facilmente.
Ele dá "pontos" extras para os testes que conseguem fazer coisas novas acontecerem em vários prédios ao mesmo tempo.
É como um jogo de videogame onde você ganha mais pontos se conseguir desbloquear conquistas em diferentes níveis ao mesmo tempo, em vez de apenas repetir o mesmo nível fácil.

4. O Resultado: Descobrindo Segredos Escondidos

Os pesquisadores testaram essa ferramenta em uma versão de código aberto da rede 5G (chamada OpenAirInterface). Os resultados foram impressionantes:

Mais Cobertura: Eles conseguiram ver 5,85% mais "caminhos" dentro do código do que os métodos antigos. É como se eles tivessem explorado corredores secretos que ninguém sabia que existiam.
Achados Reais: O MulCovFuzz encontrou 3 falhas de segurança graves (vulnerabilidades "zero-day") que ninguém mais tinha visto antes.
- Uma delas era como um "buraco no chão" que só aparecia se você entrasse pelo portão da frente e tentasse sair pela janela de trás ao mesmo tempo. O inspetor velho nunca tentou essa combinação.
- O MulCovFuzz encontrou essas falhas muito mais rápido (em alguns casos, em minutos, enquanto os outros levavam dias ou nem achavam).

Resumo da Ópera

O MulCovFuzz é como trocar um policial que só olha para a rua por um sistema de vigilância inteligente que monitora a saúde de todos os prédios de uma cidade ao mesmo tempo. Ele entende que, na rede 5G, tudo está conectado. Se algo acontece em um lugar, pode causar um efeito borboleta em outro.

Ao observar essas conexões, ele consegue encontrar os "buracos" na segurança que os métodos antigos, que olhavam apenas para uma parte isolada, nunca conseguiriam ver. Isso torna a rede 5G muito mais segura para todos nós, garantindo que nossas chamadas, dados e serviços críticos não caiam no chão.

1. O Problema

Com a transição para redes 5G, a segurança tornou-se crítica devido à arquitetura complexa, baseada em serviços (SBA), e à superfície de ataque expandida. As abordagens tradicionais de teste de segurança para redes 5G dependem principalmente de fuzzing de caixa preta (black-box) ou técnicas que observam apenas a resposta do sistema. Essas abordagens possuem limitações severas:

Incapacidade de observar o estado interno: Elas não conseguem monitorar o estado do programa ou informações de cobertura de código.
Foco em componentes isolados: Ferramentas existentes geralmente testam um único componente (ex: AMF) sem considerar as interdependências complexas entre os diferentes elementos da arquitetura 5G (como AMF, SMF, NRF, UPF).
Falha em explorar caminhos complexos: Muitos caminhos de código críticos e casos de borda só são acessíveis quando há interações coordenadas entre múltiplos componentes de rede. Fuzzers tradicionais frequentemente falham em atingir esses estados, deixando vulnerabilidades ocultas.

2. Metodologia: MulCovFuzz

O artigo apresenta o MulCovFuzz, uma ferramenta de fuzzing greybox guiada por cobertura, projetada especificamente para a arquitetura de rede 5G. A metodologia baseia-se em três pilares principais:

A. Arquitetura e Feedback Multi-Componente

Diferente de ferramentas que monitoram apenas o servidor sob teste (SUT), o MulCovFuzz implementa um mecanismo de coleta de cobertura em múltiplos componentes.

Instrumentação: Utiliza a ferramenta afl-clang-fast (baseada em LLVM) para instrumentar componentes chave da rede 5G (AMF, SMF, UPF, NRF, NEF).
Coleta Distribuída: Implementa um módulo chamado MCCM (Multi-Coverage Collection Module), composto por:
- Controller: Coordena as solicitações de coleta e agrega dados.
- Collectors: Agentes implantados em contêineres ao lado de cada componente de rede para extrair dados de cobertura da memória compartilhada (SHM).
- Launcher: Gerencia o ambiente de execução e reinicialização dos componentes.
Feedback Assíncrono: O sistema coleta mapas de bits (bitmaps) de cobertura de todos os componentes instrumentados e os agrega para guiar o processo de fuzzing, permitindo observar os "efeitos de ripple" (propagação) de um pacote através de toda a infraestrutura.

B. Função de Pontuação (Scoring Function)

Para guiar a geração de casos de teste, o MulCovFuzz utiliza uma função de pontuação inovadora que combina recompensas de cobertura e eficiência:
$S(t) = w_1 R_c(t) + w_2 R_e(t)$

Recompensa de Cobertura ( $R_c$ ): Quantifica a contribuição do caso de teste para a cobertura de código em todos os canais instrumentados, ponderada por coeficientes ( $\alpha_i$ ).
Recompensa de Eficiência ( $R_e$ ): Avalia a utilização de recursos baseada no tempo de execução.
Objetivo: Esta função direciona o fuzzer a priorizar sementes (seeds) que exploram novos caminhos em múltiplos componentes simultaneamente, mantendo a eficiência computacional.

C. Implementação

A ferramenta foi desenvolvida em C/C++, estendendo o framework AFLNet. Os testes foram realizados na implementação de código aberto OpenAirInterface (OAI), focando na interface N2 e no componente AMF.

3. Contribuições Principais

Ferramenta de Fuzzing Guiada por Cobertura Multi-Componente: Introdução de uma nova ferramenta para redes 5G que supera as limitações de abordagens de caixa preta e de fuzers de componente único.
Mecanismo de Coleta de Cobertura Multi-Componente: Um sistema capaz de coletar e agregar dados de cobertura de diferentes funções de rede (NFs) distribuídas, permitindo uma estimativa mais precisa do impacto dos pacotes no sistema 5G como um todo.
Função de Pontuação para Alocação de Energia: Um algoritmo de pontuação que pondera a descoberta de novos caminhos em múltiplos componentes para otimizar a alocação de recursos de teste.
Descoberta de Vulnerabilidades Zero-Day: Validação prática da ferramenta na descoberta de falhas críticas que outras técnicas não conseguiam encontrar.

4. Resultados Experimentais

Os experimentos foram conduzidos em estações de trabalho de alto desempenho com a implementação OAI, comparando o MulCovFuzz com o fuzzer de referência AFLNet e outras abordagens tradicionais.

Aumento na Cobertura de Código:
- 5,85% de aumento na cobertura de branches (ramificações).
- 7,17% de aumento na cobertura de lines (linhas de código).
- Isso indica que o MulCovFuzz explora caminhos de execução mais profundos e complexos.
Descoberta de Crashes:
- 16% de melhoria na descoberta de crashes únicos em testes de 24 horas (aprox. 2900 crashes vs. 2500 do AFLNet).
Vulnerabilidades Descobertas:
- O MulCovFuzz descobriu 3 vulnerabilidades Zero-Day na implementação OAI.
- Duas dessas vulnerabilidades não foram identificadas por nenhuma outra técnica de fuzzing (incluindo o AFLNet) dentro da janela de teste de 24 horas.
- Tipos de Vulnerabilidades:
  1. Null Pointer Dereference (NPD) no arquivo sctp_server.cpp (descoberta 10x mais rápido que o AFLNet).
  2. Uncaught Exception no arquivo itti.cpp.
  3. Heap Buffer Overflow (HBO) na função decodificadora de SUCI (5gsMobileIdentity.cpp), uma falha crítica que exigia estados de contexto coordenados entre múltiplos componentes para ser ativada.

5. Significado e Impacto

O trabalho do MulCovFuzz representa um avanço significativo na segurança de redes de próxima geração:

Mudança de Paradigma: Demonstra que a segurança de sistemas distribuídos complexos como o 5G não pode ser garantida testando componentes isoladamente. A visibilidade cruzada entre componentes é essencial.
Eficiência na Descoberta de Falhas: A capacidade de encontrar vulnerabilidades que dependem de interações complexas (como o caso do HBO no decodificador SUCI) prova que a cobertura multi-componente é superior para explorar o espaço de estados de protocolos de rede modernos.
Aplicabilidade Prática: A ferramenta oferece um framework robusto para validação de conformidade e robustez em implementações reais de código aberto, ajudando a mitigar riscos de negação de serviço, vazamento de informações e sequestro de tráfego antes da implantação em larga escala.

Em resumo, o MulCovFuzz preenche uma lacuna crítica na segurança cibernética 5G, fornecendo uma metodologia que alinha a complexidade arquitetural das redes modernas com técnicas avançadas de teste de software guiado por feedback.