PickleFuzzer: A Case Study in Fuzzing for Discrepancies Between Python Pickle Implementations
本文介绍了 PickleFuzzer，这是一种基于语法的差分模糊测试工具，它识别出 Python 的 pickle 实现中存在 14 个关键差异，其中包括允许攻击者在 Hugging Face 等平台上绕过安全扫描工具的漏洞。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你拥有一台魔法机器，可以将你房子里的任何物体——玩具、书本或三明治——变成一长串指令（就像食谱一样）。这就是 Python 的 Pickle 所做的：它将复杂的计算机数据转换成一串指令，以便保存或通过互联网发送。稍后，另一台机器会读取这些指令，将物体原封不动地重建出来。
然而，这里有个陷阱。如果有人发给你一份他们自己“烹饪”的“食谱”，而你盲目地遵循它，这份食谱可能会指示你的机器执行危险操作，例如删除你的文件或窃取你的密码。因此，安全专家构建了扫描器（就像机场的金属探测器），在你的机器读取这些食谱之前进行检查。如果扫描器发现危险指令，就会停止该过程。
问题：三位不同的厨师，三套不同的规则
这里的转折是：构建“食谱阅读器”（即读取 Pickle 的机器）的人并没有编写一本统一的规则手册。相反，他们构建了三个不同版本的阅读器：
- 厨师 A（Python）：用 Python 编写，这是标准语言。
- 厨师 B（C）：用一种更快、更底层的语言 C 编写。
- 厨师 C（检查员）：安全扫描器使用的工具，用于在其他厨师“烹饪”之前读取食谱。
问题在于，这三位厨师并不总是对什么构成有效食谱达成一致。有时，某条特定指令可能会让厨师 A 和厨师 B 说：“哦，没问题，我会烹饪它”，而厨师 C（检查员）却说：“等等，这出错了！我读不懂这个。”
如果黑客知道这一点，他们就可以精心制作一份“有毒食谱”，让检查员觉得它有问题（从而让它通过安全扫描器），但对厨师 A 或厨师 B 来说却看起来完全正常（于是他们愉快地执行危险命令）。这就像向守卫出示一张对他来说看起来可疑的假身份证，让他挥手放行，然后向里面的保安出示真身份证，让他放你进去。
解决方案：PICKLEFUZZER
本文的研究人员构建了一个名为 PICKLEFUZZER 的工具。把它想象成一个超高速的自动化品尝测试员。
PICKLEFUZZER 不需要雇佣人类去阅读规则手册并猜测厨师们可能在何处产生分歧，而是执行以下操作：
- 生成随机食谱：它利用一种特殊语法（通过研究厨师们得出的一套规则）生成数百万个看似有效的随机指令字符串（食谱）。
- 同时呈给所有厨师：它将完全相同的食谱同时交给厨师 A、厨师 B 和厨师 C。
- 检查反应：它密切观察是否有一位厨师崩溃、发脾气（抛出错误）或得出与其他厨师不同的结果。
如果厨师 C 说“错误！”，而厨师 A 说“美味！”，PICKLEFUZZER 就会将该食谱标记为差异。它不需要知道“正确”答案；它只知道，如果厨师们意见不一致，就存在安全漏洞。
他们的发现
研究人员运行该工具一周，发现了14 种不同的厨师分歧方式。
- 重大成果：其中四种分歧至关重要。它们证明黑客可以利用这些分歧，诱骗流行网站（如人们分享 AI 模型的 Hugging Face）上的安全扫描器放行危险代码。
- 奖励：研究人员将这些漏洞告知了 Python 团队。他们还向漏洞赏金计划（一种发现安全缺陷的奖励系统）报告了这些漏洞，并获得了750 美元的奖励。
- 速度对比人类：为了展示其工具的强大，研究人员将其与一位人类安全专家进行了比较。这位人类专家花费了60 小时手动阅读代码，发现了 14 处差异。而 PICKLEFUZZER 仅用10 分钟就发现了同样数量的差异。
核心结论
该论文表明，当你拥有多个安全工具版本而没有单一官方规则手册时，它们不可避免地会产生分歧。这些分歧就像大坝上的裂缝，黑客可以利用它们。PICKLEFUZZER 是一种新的快速方法，通过观察软件的不同版本在何处停止相互一致，自动发现这些裂缝，从而在恶意行为者利用它们之前帮助修补这些漏洞。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。