KLEESPECTRE: Detecting Information Leakage through Speculative Cache Attacks via Symbolic Execution
2018年初披露的Spectre攻击通过缓存侧通道暴露了数据泄漏场景。具体地,由于分支误预测而推测地执行的路径可能将秘密数据带入高速缓存中,然后即使在推测执行被压制之后,这些秘密数据也经由高速缓存侧通道被暴露。符号执行是一种众所周知的测试生成方法,用于覆盖应用软件级别的程序路径。在本文中,我们扩展了符号执行与建模的缓存和推测执行。我们的工具KLEESPECTRE,建立在KLEE符号执行引擎之上,因此可以提供一个测试引擎来检查通过缓存侧通道的数据泄漏,如通过Spectre攻击所示。我们的符号缓存模型可以验证是否敏感的数据泄漏,由于投机执行可以观察到攻击者在一个给定的程序点。实验结果表明,KLEESPECTREE可以有效地检测沿推测执行路径的数据泄漏,我们的缓存模型可以进一步使泄漏检测更精确。
2019-09-02 cs.CR
How to Kill Symbolic Deobfuscation for Free; or Unleashing the Potential of Path-Oriented Protections
代码混淆是保护软件知识产权免受逆向工程或代码篡改等攻击的主要工具。然而,最近提出的(自动)攻击的基础上动态符号执行(DSE)显示出非常有前途的结果,从而威胁到软件的完整性。目前的防御措施并不完全令人满意,要么对符号推理效率不高,要么对运行时性能影响太大,要么太容易被发现。我们提出并研究了一类新的反DSE的保护,作为面向路径的保护针对DSE的最薄弱环节,即路径探索。我们提出了一个轻量级的,高效的,耐和分析证明类混淆算法,旨在阻止基于DSE的攻击。广泛的评估表明,这些方法严格地对抗符号去混淆,同时只产生非常轻微的开销。
2019-08-07 cs.CR
Enhancing Gradient-based Attacks with Symbolic Intervals
Columbia University(哥伦比亚大学);Pennsylvania State University(宾夕法尼亚州立大学)
最近在对抗性示例防御方面的突破,如对抗性训练,使神经网络对各种类型的攻击者(例如,基于一阶梯度的攻击)。然而,对抗训练的网络在未知攻击下是否真正健壮是一个悬而未决的问题。在本文中,我们提出了区间攻击,一种新的技术,找到对抗性的例子来评估神经网络的鲁棒性。间隔攻击利用符号间隔传播,这是一种边界传播技术,可以利用当前输入周围的更广泛视图来定位包含对抗实例的有希望区域,进而可以使用现有的梯度引导攻击进行搜索。我们可以得到这样一个更广泛的观点,使用声音边界传播方法来跟踪和过度近似的网络在给定的输入范围内的错误。我们的研究结果表明,在最先进的对抗训练的网络上,间隔攻击平均可以发现比最先进的梯度引导PGD攻击多47%的违规行为。
2019-06-05 cs.CR cs.LG cs.LO
Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors
Zhejiang University(浙江大学);Palo Alto Networks(帕洛阿尔托网络);Ningbo Global Innovation Center, Zhejiang University(宁波全球创新中心,浙江大学);OPPO Research Institute(OPPO研究院);Qilu University of Technology(齐鲁大学)
本文通过将后门目标从表面标记转向内部表示,提出一种高效方法,利用空空间约束在触发时激活后门,同时保持隐蔽性和安全性。
2026-04-14 cs.CL cs.CR
Does Reasoning Mitigate Backdoor Attacks? A Neuro-Symbolic Perspective
Örebro University(厄勒布鲁大学);Delft University of Technology(代尔夫特理工大学);University of Padua(帕多瓦大学)
本文针对神经-符号模型的后门攻击开展首次系统性评估,对比DeepProbLog与基线神经网络,发现神经-符号模型平均更鲁棒,但其鲁棒性依赖推理过程的严格度及与对抗目标的兼容性。
2026-09-02 cs.AI cs.CR
Graded Symbolic Verification with a Fuzzy Dolev-Yao Attacker Model
本文提出基于模糊Dolev-Yao攻击者模型的分级符号验证方法,通过引入连续度量$μ_K$和T-范数泄露更新,改进传统二元攻击者知识抽象,揭示在累积侧信道泄露下协议安全性的变化。
2026-04-16 cs.CR cs.FL cs.LO
KS-CFA: Control-Flow Attestation via Symbolic Replay Against Control-Flow Bending Attacks
Royal Holloway, University of London(伦敦大学皇家霍洛威学院);Durham University(杜伦大学)
研究针对控制流弯曲攻击难检测问题,提出KS-CFA方案,结合符号执行与输入源控制流相关变量识别,在可信执行环境记录控制流跟踪和输入,验证器重放路径检测攻击,实现时证明端开销有倍数提升,验证无需枚举。
2026-07-10 cs.CR
Detection, Explanation and Filtering of Cyber Attacks Combining Symbolic and Sub-Symbolic Methods
Siemens AG(西门子股份公司);European Space Agency(欧洲空间局)
针对图神经网络在网络安全入侵检测中决策不透明、误报多的问题,提出结合符号与亚符号的可解释方法,在工业系统中实现直观解释并大幅降低误报率。
2022-12-23 cs.CR cs.LG
Automating Attack Graph Construction for Agentic Pentesting. Towards Neuro-Symbolic Vulnerability Hunting
University of Udine(乌迪内大学);University of Klagenfurt(克拉根福大学)
提出半自动管道,将Trivy、Semgrep和Nmap扫描结果解析为MulVAL谓词,借助LLM构建Datalog规则,通过符号推理生成攻击图,在54个Web夺旗任务中实现平均53.7%的真实漏洞覆盖率,验证了其在智能体渗透测试中的可行性。
2026-09-15 cs.AI cs.CR
CryptoVampire: Automated Reasoning for the Complete Symbolic Attacker Cryptographic Model
本文提出 CryptoVampire,首次通过一阶形式化、子项关系处理及 Vampire 饱和推理,全自动完成 BC Logic 中密码协议轨迹属性证明。
2024-04-05 cs.CR cs.LO
HunterAgent: Neuro-Symbolic Attack Trace Reconstruction under Anti-Forensics
Faculty of Computing, Harbin Institute of Technology(哈尔滨工业大学计算机学院);School of Computer Science and Technology, Harbin Institute of Technology (Weihai)(哈尔滨工业大学(威海)计算机科学与技术学院);Chang An Communication Technology Co., Ltd.(长安通信技术有限公司);National Computer Network Emergency Response Technical Team/Coordination Center of China (CNCERT/CC)(国家计算机网络应急技术处理协调中心);Harbin Institute of Technology (Weihai) Qingdao Research Institute(哈尔滨工业大学(威海)青岛研究院)
针对反取证技术导致的攻击痕迹断裂问题,提出神经符号框架HunterAgent,将痕迹重建建模为部分可观测下的代价约束启发式图搜索,通过生成器-验证器流水线和校准代价函数实现高精度重建。
2026-05-28 cs.CR
Guardian: symbolic validation of orderliness in SGX enclaves
现代处理器可以提供允许进程独立运行的硬件原语。这些原语实现了可信执行环境(TEE),程序可以在其中运行,从而保证其执行的完整性和机密性。英特尔的Software Guard eXtensions(SGX)就是此类原语的一个示例,其独立进程称为\emph{enclaves}。然而,如果飞地没有得到适当的设计,这些保证很容易受到阻挠。它与不受信任的软件栈的接口可以说是对手可以利用的最大攻击面;例如,与不受信任的代码的意外交互可能会使飞地暴露于内存损坏攻击。在本文中,我们提出了一个概念的\emph{orderly}飞地,它的行为分为几个执行阶段,每个阶段施加一组限制访问不可信的内存,相变和寄存器消毒。违反这些限制意味着可能被用来对飞地进行攻击的不良行为。我们还介绍了\Analyser{}:一个工具,使用符号执行来执行安全区的验证,以对抗我们对有序安全区的概念;在这个过程中,它还寻找一些典型的内存损坏漏洞。我们讨论了我们的方法如何可以防止和标记飞地的漏洞,已在文献中确定。此外,我们还评估了我们的方法在分析一些实际飞地时的效果。\Analyser{}能够识别这些安全区上的真正漏洞,这些漏洞已被其维护人员确认并修复。
2021-05-12 cs.AR cs.CR cs.SE
Adversarial Attacks Assessment of Salient Object Detection via Symbolic Learning
CICESE Research Center(CICESE研究中心);Monterrey Institute of Technology and Higher Education(蒙特雷理工学院);Anáhuac University(阿纳瓦克大学);National Institute of Technology Rourkela(国家理工学院鲁尔克拉分校);Terra-Peninsular;Cornell Lab of Ornithology(康奈尔鸟类学实验室);Universidad Autónoma de San Luis Potosí(圣路易斯波托西自治大学)
本研究评估了符号学习方法Brain programming在显著性目标检测中抵御对抗攻击和噪声扰动的鲁棒性,证明其性能不受影响,显著优于五种深度学习方法,并强调了野生动物监控中的安全性。
2023-09-12 cs.CR cs.CV cs.LG
Symbolic Attack Chain Generation from Atomic Red Team Techniques: An Empirical Study of Predicate Representation Granularity
本研究对比九类与五类谓词粒度的AALM,发现粒度对攻击链有效性影响小,81.3%结果一致,高粒度仅提升规划论证的内部结构分辨率。
2026-08-11 cs.AI cs.CR
Context-aware System Service Call-oriented Symbolic Execution of Android Framework with Application to Exploit Generation
Android Framework是存在于每个Android系统中的软件层,用于管理所有Android应用程序的资源。Android Framework中的漏洞可能导致严重的黑客攻击,例如破坏用户数据和泄露私人信息。由于Android碎片化,数千万Android设备未打补丁,Android Framework中的漏洞肯定会吸引攻击者利用它们。到目前为止,需要大量的手工工作来制作这样的漏洞。据我们所知,目前还没有关于自动生成利用Android Framework漏洞的攻击的研究。我们通过应用Android框架的符号执行来发现bug并生成漏洞,从而朝着这个目标迈出了第一步。这项任务提出了若干挑战。(1)应用程序的信息通过多个复杂的步骤流向Android Framework,因此很难识别符号输入。(2)Android框架有一个复杂的初始化阶段,这加剧了状态空间爆炸问题。(3)将符号执行器构建为Android系统内部的一个层的简单设计不会很好地工作:不仅实现必须确保与Android系统的兼容性,而且每当Android更新时都需要维护它。我们提出了新的想法和技术来解决这些挑战,并建立了第一个系统的Android框架的符号执行。它从根本上改变了Android系统上漏洞利用生成的最新技术,并已被应用于构建查找漏洞的新技术。
2016-11-02 cs.CR cs.SE
Extracting and Verifying Cryptographic Models from C Protocol Code by Symbolic Execution
考虑用C语言编写的密码协议的安全性验证问题。我们提出了一个自动的解决方案,既不需要预先存在的协议描述,也不需要手动注释的源代码。首先,象征性地执行C程序,以获得协议发送的网络消息的象征性描述。其次,应用代数重写来获得进程演算描述。第三,运行现有的协议分析器(ProVerif)来证明安全属性或发现攻击。我们正式我们的算法,并呼吁现有的结果ProVerif在适当的情况下建立计算的可靠性。我们只分析一个执行路径,所以我们的结果仅限于没有显著分支的协议。本文的结果提供了第一个计算上的声音验证弱保密性和认证(单执行路径)的C代码。
2011-07-06 cs.CR
CyberCane: a privacy-bounded neuro-symbolic retrieval framework for phishing detection under distribution shift
University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校);Bowie State University(鲍威州立大学)
CyberCane结合确定性符号分析与隐私保护RAG,通过形式本体推理实现高召回率的钓鱼检测,在隐私保护和抗AI攻击方面表现优异。
2026-10-20 cs.AI cs.CR cs.IR
Modelling Agent-Skipping Attacks in Message Forwarding Protocols
消息转发协议是其中代理链处理消息传输的协议。每个代理将接收到的消息转发给链中的下一个代理。例如,TLS中间盒充当TLS中的中间代理,添加过滤或压缩数据等功能。在这样的协议中,攻击者可以尝试绕过一个或多个中间代理。这种代理跳过攻击可能违反协议的安全要求。在符号环境中使用多集重写模型,我们构建了一个全面的框架,这样的路径协议。特别是,我们引入了一组安全目标相关的路径完整性:一个消息忠实地通过参与者的顺序由发起代理旅行的概念。我们执行几个这样的协议的安全性分析,突出现代协议的关键攻击。
2022-01-21 cs.CR
Automated Symbolic Verification of Telegram's MTProto 2.0
MTProto 2.0是一套用于即时消息的加密协议,是流行的Telegram信使应用程序的核心。在本文中,我们分析MTProto 2.0使用符号验证ProVerif。我们提供了MTProto 2.0的认证,正常的聊天,端到端的加密聊天,和密钥更新机制的几个安全属性,包括认证,完整性,保密性和完美的前向保密性的健全性的全自动证明;在同一时间,我们发现,密钥更新协议是脆弱的未知密钥共享(UKS)攻击。我们继续在一个增量的方式:每个协议是孤立地检查,只依赖于以前的和基本的密码原语的鲁棒性提供的保证。我们的研究证明了MTProto 2.0 w.r.t.最相关的安全属性,可以作为客户端和服务器端实现和分析的参考。
2021-04-30 cs.CR
Improving Automated Symbolic Analysis for E-voting Protocols: A Method Based on Sufficient Conditions for Ballot Secrecy
我们通过引入三个条件来推进电子投票协议的自动符号分析,这三个条件加在一起足以保证投票的保密性。与现有的自动化方法相比,使用我们的条件有两个主要优点。首先是可以自动分析的协议和威胁模型的类别的实质性扩展:我们可以系统地处理(a)不同阶段存在的诚实当局,(b)没有不诚实选民的威胁模型,以及(c)投票保密依赖于来自其他阶段的新数据的协议。第二个优点是它可以显著提高验证效率,因为单个条件通常更容易验证。例如,在一个示例中,对于LEE协议,我们获得了超过两个数量级的加速比。我们使用ProVerif在几个案例研究中,包括FOO,LEE,JCJ和Belenios,我们的方法的范围和有效性。在这些案例研究中,我们的方法没有产生任何错误的攻击,这表明我们的条件是严格的。
2019-03-15 cs.CR
FirmUSB: Vetting USB Device Firmware using Domain Informed Symbolic Execution
USB协议已经变得无处不在,支持从高性能计算设备到小型嵌入式设备和控制系统的设备。USB最大的特点是其开放性和可扩展性,这也是它的弱点,像BadUSB这样的攻击利用了这些设备的不受约束的功能作为妥协的载体。从根本上说,几乎不可能知道USB设备是良性的还是恶意的。这项工作介绍FirmUSB,USB特定的固件分析框架,使用USB协议的领域知识来检查固件映像,并确定它们可以产生的活动。嵌入式USB设备使用的微控制器还没有被二进制分析社区很好地研究,我们的工作演示了如何将lifters转换为流行的中间表示进行分析,以及这样做的挑战。我们开发了目标定位算法,并使用领域知识来加速这些过程,与无约束的完全符号执行相比,速度提高了7倍。我们还成功地发现恶意活动的嵌入式8051固件不使用源代码。最后,我们提供了深入了解嵌入式架构上的符号分析的挑战,并提供指导,以改善工具,以更好地处理这类重要的设备。
2017-08-30 cs.CR
Beyond the Finite Variant Property: Extending Symbolic Diffie-Hellman Group Models (Extended Version)
ETH Zurich(苏黎世联邦理工学院)
本文提出了一种半决策过程,扩展Tamarin证明器以支持完整的Diffie-Hellman理论,用于验证涉及指数加法的协议安全属性。
2026-01-29 cs.CR
Symbolic verification of Apple's Find My location-tracking protocol
Indian Institute of Technology, Delhi(印度德里理工学院)
针对 Apple Find My 众包定位协议闭源且安全性声明难以核验的问题,本文构建其符号化模型与形式化属性规范,并使用 Tamarin prover 给出自动化机器可检验证明。
2025-10-21 cs.CR
Guiding a General-Purpose C Verifier to Prove Cryptographic Protocols
我们描述了如何使用一个通用的验证器来验证密码协议的C代码的安全性。在密码学的符号模型中证明了安全性定理。我们的技术包括:使用ghost状态将正式的代数项附加到具体的字节数组,并在两个不同的项映射到同一个字节数组时检测冲突;使用基于符号项的合同装饰加密API;以及用C程序表达攻击者模型。我们依赖于通用验证器VCC;我们引导VCC通过在实现文件中编写合适的头文件和注释来证明安全性,而不是通过改变VCC本身。我们形式化的符号模型Coq,以证明增加公理VCC。
2013-12-23 cs.CR
FORAY: Towards Effective Attack Synthesis against Deep Logical Vulnerabilities in DeFi Protocols
针对 DeFi 协议跨合约深层逻辑漏洞检测效率低的问题,本文提出 Foray 框架,通过领域特定语言将智能合约提升为金融操作并构建代币流图,结合高效草图生成与符号编译,实现可扩展的攻击合成。
2024-11-20 cs.CR cs.PL
COBALT-TLA: A Neuro-Symbolic Verification Loop for Cross-Chain Bridge Vulnerability Discovery
QreativeLab
COBALT-TLA结合LLM与TLA+模型检查器,通过自动REPL循环发现跨链桥漏洞,首次自主识别Optimistic Relay Attack漏洞类。
2026-04-14 cs.CR cs.LO
Dialects for CoAP-like Messaging Protocols
针对资源受限IoT系统消息协议的安全漏洞,提出轻量级模块化的CoAP通用方言,在Maude中形式化协议与攻击模型,证明方言化保留LTL属性并支持符号化攻击搜索。
2024-10-16 cs.CR
User-Guided Verification of Security Protocols via Sound Animation
本文提出一种基于交互树和Isabelle/HOL验证的用户引导协议动画方法,使设计者能直观调试并验证安全协议,弥合形式验证与设计实践之间的鸿沟。
2024-10-01 cs.CR cs.LO
Sequence Covering for Efficient Host-Based Intrusion Detection
本文介绍了一种新的相似性度量,覆盖相似性,我们正式定义的符号序列和一组符号序列之间的相似性评价。也可以直接从覆盖相似性导出成对相似性以比较两个符号序列。提出了一种有效的实现来计算覆盖相似性,使用后缀树数据结构,但其他实现,例如基于后缀数组,是可能的,并且可能需要处理大规模的问题。在基于主机的入侵检测中,我们利用这种相似性将攻击序列从正常序列中分离出来。我们已经评估了两个著名的基准领域的覆盖相似性。鉴于这两个数据集上报告的最新方法的结果,并且根据我们基于通常用于字符串处理或生物信息学中的三个具有挑战性的相似性度量进行的比较研究,我们表明覆盖相似性与解决系统调用序列中的异常检测特别相关
2018-08-24 cs.CR cs.IR
Penetrating the Hostile: Detecting DeFi Protocol Exploits through Cross-Contract Analysis
Hainan University(海南大学);Jinan University(暨南大学);University of Chinese Academy of Sciences(中国科学院大学)
针对DeFi协议攻击频发且现有仅关注受害者的检测方法难以覆盖攻击者意图的问题,提出首个利用深度学习进行跨合约静态数据流分析的漏洞检测框架DeFiTail,通过统一执行路径和符号执行栈验证,在访问控制、闪电贷漏洞及CVE数据集上均实现高准确率。
2025-11-01 cs.CR
Time, Computational Complexity, and Probability in the Analysis of Distance-Bounding Protocols
许多安全协议依赖于对其协议会话将在其中执行的物理属性的假设。例如,距离边界协议考虑消息的往返时间和传输速度来推断两个代理之间的距离的上限。我们将这种安全协议归类为网络物理协议。时间在许多这些协议的设计和分析中起着关键作用。本文研究了离散时间模型和密集时间模型的基本差异及其对分析的影响。我们表明,有攻击,可以发现模型使用密集的时间,但不是当使用离散时间。我们说明了这一点与一种新的攻击,可以进行大多数距离边界协议。在这种攻击中,人们利用一个时钟周期内指令的执行延迟来让验证者相信他所处的位置与他的实际位置不同。我们还提出了这种新的攻击的概率分析。作为描述和分析网络物理特性的形式化模型,我们提出了一个适合于描述网络物理安全协议的稠密时间多集重写模型。我们介绍了Circle-Boundary,并表明它们可以用来象征性地解决我们模型的可达性问题,并表明对于重要的平衡理论类,可达性问题是PSPACE完全的。我们还展示了如何使用计算重写工具Maude来实现我们的模型,Maude是自动搜索此类攻击的机器。
2017-10-04 cs.CR cs.LO
Evaluating Large Language Models for Symbolic Security Protocol Analysis
Teesside University(蒂赛德大学)
研究评估大语言模型对符号安全协议的分析能力,通过在130个协议上测试GPT和DeepSeek,发现聊天与推理模型各有优劣,在认证目标上表现差,保密性较好,结果不稳定,整体LLMs无法与形式化验证相比,仅可作预筛选。
2026-09-18 cs.AI cs.CR
Security Analysis of EOSIO Smart Contracts
EOSIO区块链是代表性的委托权益证明(DPoS)区块链平台之一,最近发展迅速。与此同时,也发现了一些针对顶级EOSIO DApp及其智能合约的漏洞和高调攻击,并在野外观察到,导致严重的财务损失。EOSIO的大多数智能合约都不是开源的,它们通常被编译为WebAssembly(Wasm)字节码,因此分析和检测可能存在的漏洞具有挑战性。在本文中,我们提出了EOSAFE,这是第一个可用于在字节码级别自动检测EOSIO智能合约漏洞的静态分析框架。我们的框架包括一个用于Wasm的实用符号执行引擎,一个用于EOSIO智能合约的定制库仿真器,以及四个由算法驱动的检测器,用于识别EOSIO智能合约中四个最常见的漏洞。实验结果表明,EOSAFE在检测漏洞方面取得了令人满意的结果,F1测量值为98%。我们已将EOSAFE应用于生态系统中所有活跃的53,666个智能合约(截至2019年11月15日)。我们的研究结果表明,超过25%的智能合约是脆弱的。我们进一步分析了针对这些易受攻击的智能合约的可能的利用尝试,并确定了48次野外攻击(其中25次已被DApp开发人员证实),造成至少170万美元的经济损失。
2020-07-30 cs.CR