【论文笔记】Neutaint: Efficient Dynamic Taint Analysis with Neural Networks

2020-0708-Neutaint

会议：S&P’20

Neutaint: Efficient Dynamic Taint Analysis with Neural Networks

目前的动态污点分析技术主要使用rule-base taint-propagation来实现，但其在准确度（假阳性高）、性能方面存在不足，在现实世界软件中存在较大的局限性。

作者使用neural network，将程序embed进网络中，通过大量的输入输出、execution traces放在end-to-end网络中进行训练，在sources和sinks之间建模。作者使用saliency map来发现most influential sources for different sinks。

简而言之，就是使用neural network训练程序的输入输出、执行路径，以发现hot byte（We define importance bytes that can maximally influence the variables in program branches as hot bytes.）

motivating example：rule-base taint-propagation的污点分析会认为z受到x[0]、x[1]的影响且不能判断这两个影响的比重，neutaint通过观察source&sink的值，发现z仅受到x[0]的影响。