创新资助计划｜IoT固件与APP漏洞自动化检测方案研究

项目介绍

“网络安全学院学生创新资助计划”由中国网络空间安全协会、中国互联网发展基金会共同发起，支持高校学生围绕企业提出的网络安全课题开展创新研究与实践。

在该计划支持下，经华中科技大学推荐，网络空间安全学院博士研究生刘潇凡在付才教授指导下，开展了 “IoT固件&APP漏洞自动化检测方案研究”。课题由 北京橙际科技有限公司 设置并提供资助，面向物联网设备固件及配套应用的安全检测需求，探索提高漏洞检测自动化程度、降低误报与分析开销的方法。

项目重点关注 前端输入与内部漏洞触发之间的联系，围绕编程习惯误用带来的攻击面扩展，以及危险操作相关的数据流回溯开展研究，设计并实现了 Mis-Duck 和 Zero-Day Agent 两套原型工具。课题执行期间，累计发现并登记 52个安全漏洞，并开展了相关成果交流与应用实践。

研究简介

一条外部输入进入软件后，往往会经过多个函数和模块的处理，才到达可能引发安全问题的操作位置。要发现其中的漏洞，既需要了解输入能够影响哪些代码，也需要进一步判断数据在传递过程中是否得到了充分检查。

在实际分析中，这两个环节都存在困难。一方面，动态语言中灵活的对象使用方式和复杂的调用关系，可能使外部输入影响到意料之外的代码；另一方面，固件通常以二进制形式交付，分析人员需要从大量反编译代码中梳理数据流，并逐一检查潜在的危险操作，工作量较大。

针对这些问题，项目从两个方向展开研究：通过攻击面测量梳理外部输入可能影响的代码范围，通过 数据流回溯与智能判定 分析关键路径上的安全风险，逐步缩小需要深入检查的范围。

整体设计

Mis-Duck：梳理外部输入能够影响哪些代码

Mis-Duck是一套面向Python开源软件的攻击面测量工具。它结合代码关系分析与语义模型，识别可能的输入入口，并整理输入涉及的函数、文件、模块和类，帮助分析人员了解软件中值得重点关注的代码范围。

系统主要包含三个环节：

1. 提取代码关系。 自动获取目标仓库，分析函数调用、变量定义与使用、类继承等关系，为后续分析建立基础。
2. 识别输入与对象来源。 结合对象使用方式和语义模型定位候选输入函数，追溯相关对象的来源，辅助发现编程习惯误用带来的潜在风险。
3. 生成多层攻击面视图。 从输入相关的调用关系出发，逐步整理文件、模块、类及特殊方法之间的关联，为安全审计提供结构化线索。

通过这一过程，Mis-Duck将分散在代码中的关联信息组织起来，为进一步定位风险和安排分析优先级提供支持。

Zero-Day Agent：沿关键路径深入分析漏洞

Zero-Day Agent面向二进制程序分析，将IDA Pro反编译能力、数据流分析和大语言模型结合，采用 “粗筛—精析—智能判定” 的三阶段流程。

1. 粗筛：缩小分析范围。 利用函数调用关系，筛选与外部输入和危险操作有关的候选函数，将后续分析集中到关键位置。
2. 精析：回溯数据来源。 从危险操作出发，沿变量赋值、参数传递和跨函数调用关系逆向追踪，梳理数据从输入到使用位置的传播路径。
3. 智能判定：结合上下文分析风险。 将数据流路径及相关代码交给大语言模型，辅助检查输入校验、长度限制和条件判断等安全措施，并输出结构化分析结果。

这种由粗到精的设计，将调用关系分析、数据流追踪和代码语义分析分阶段组织起来，使深入分析能够聚焦于更有价值的候选路径。

在交互层面，Zero-Day Agent提供Web界面，支持文件提交、分析进度查看和结果展示，方便用户组织分析任务、查看风险线索。

研究成果

课题围绕工具开发、漏洞挖掘和应用实践，形成了以下成果：

• 完成两套原型工具。 实现Mis-Duck攻击面测量工具和Zero-Day Agent二进制漏洞智能检测系统，分别支持源码层面的攻击面分析与二进制层面的漏洞分析。
• 累计发现并登记52个安全漏洞。 课题执行期间，共登记 42个CVE漏洞和10个CNVD漏洞，涉及栈缓冲区溢出、SQL注入、命令执行、文件上传和跨站脚本等多种类型。
• 关注新兴AI应用的安全风险。 漏洞成果包括OpenManus、MetaGPT等AI框架中的 3个命令执行漏洞，将研究实践拓展到新兴软件应用场景。
• 开展成果交流与应用实践。 向相关厂商和社区反馈漏洞，为固件辅助扫描与安全审计提供支持。

此外，项目围绕代码风格与漏洞检测等方向形成了多篇学术论文成果，并获得开源安全相关贡献奖励。

项目信息

项目名称： IoT固件&APP漏洞自动化检测方案研究
所属计划： 网络安全学院学生创新资助计划
项目学生： 刘潇凡
所在院校： 华中科技大学网络空间安全学院
指导教师： 付才教授
资助企业： 北京橙际科技有限公司