김태호, 정지우, 최지혁, 권태경,

Vol. 35, No. 4, pp. 773-782, 8월. 2025
10.13089/JKIISC.2025.35.4.773, Full Text:
Keywords: Fuzzing, Cryptographic Library, Large Language Model, Auto Generation, LibraryTesting
Abstract

암호 라이브러리는 다양한 분야에서 보안의 핵심요소로 활용되며, 이로 인해 발생하는 취약점은 심각한 보안 위협으로 이어질 수 있다. 이러한 취약점을 식별하기 위한 대표적인 기법으로 퍼징이 있으며, 복잡하고 구조화된 암호 라이브러리를 효과적으로 퍼징하기 위해서 하네스(harness)가 일반적으로 사용된다. 하네스의 다양성은 퍼징 탐색 성능에 큰 영향을 미치므로, 이를 확보하는 것은 매우 중요한 과제이다. 하지만 하네스를 생성하는 것은 전문적인 도메인 지식을 요구하며, 반복적이고 시간 소모적인 작업이다. 본 논문에서는 LLM을 활용하여 하네스 생성 과정의 두가지 주요단계를 자동화하는 프레임워크를 제안한다. 첫째, LLM에 기존 하네스코드와 라이브러리 문서 가이드를 제공하여, 추가적인 하네스 구현이 필요한 API를 식별한다. 둘째, 파인튜닝된 LLM 모델을 이용하여 필요한 하네스 코드를 자동으로 구현한다. 제안된 프레임워크에 대해 실험을 진행하여 해당 연구가 일정 수준 이상의 품질을 가진 하네스를 반복적으로 생성할 수 있으며, 이렇게 생성한 하네스가 실질적인 코드 커버리지 증가에 기여함을 입증하였다.

Statistics
Cite this article