原文名称    COOPER: Testing the Binding Code of Scripting Languages with Cooperative Mutation

原文作者   Peng Xu；Yanhao Wang；Hong Hu；Purui Su；

原文链接https://www.ndss-symposium.org/

wp-content/uploads/2022-353-paper.pdf

发表期刊   Network and Distributed Systems Security (NDSS) Symposium 2022

开源代码   https://github.com/TCA-ISCAS/Cooper

一、 引言

像JavaScript这样的脚本语言正在被集成到商业软件中，以支持轻松的文件修改。例如，Adobe Acrobat接受JavaScript来动态操作PDF文件。为了弥合高级脚本和用于实现软件的低级语言（如C/C++）之间的差距，需要一个绑定层来传输数据和转换表示等工作。然而，由于双方的复杂性，绑定代码容易出现安全漏洞以及语义不一致的情况，从而严重影响软件的安全使用。现有的绑定代码测试工作只集中在脚本端，因此错过了需要特殊文本内容输入所触发的错误。例如，favocato^[1]只是修改JavaScript语句，以触发绑定层中的错误。为解决这一限制，应从两个维度对输入进行变异：修改文件内容以影响程序的初始状态，以及合成有效脚本以触发更多样的状态。然而，由于变异空间大，随机变异的简单方法无法有效地探索绑定代码。原生文件输入包含许多对象，但并非所有对象都与绑定代码相关，而脚本代码只接受特定的程序状态进行进一步操作。

因此，针对于上述问题，作者提出了COOPER，使用统计方法关联文件输入和脚本进行协同变异，在如下两方面做出了创新：

（1）为提高相关模糊测试的覆盖程度，本文设计从文件原生内容和脚本代码两个维度对种子文件进行变异；

（2）为提高变异的效率，本文设计了推断文件原生内容输入和脚本代码之间关系的模型，并利用这种关系来指导二维突变。

二、 概述

Cooper的基本框架如下图所示，主要由三部分组成：

（1）对象聚类：PDF文件被组织为对象树。每个对象都有一个唯一的标识符，其内容在一对关键字obj和endobj中定义。此外，Word文档也可以转化为XML，这种结构化文档也可以看作由一个个对象构成。所以一开始，Cooper解析给定的示例文档以提取本地文件对象。为了减少对象搜索空间，Cooper根据对象的属性将其分类为不同的类。

（2）关系推断：然后，Cooper推断对象类和脚本Api组之间的关系。具体来说，它通过组合不同的对象类和API组来生成大量文档，并记录嵌入脚本的执行结果。基于脚本执行的成功率和对象类的分布，Cooper推断了Api组和对象类之间的关系。

（3）关系引导的变异：最后，Cooper利用推断的关系来指导对象选择、脚本生成和对象变异。本文还设计了几种合作突变策略。

图1  Cooper流程概述图

三、对象聚类

图2  Clustering Value Objects示意图

四、关系推断

1）Interface Recognition：本文作者手动分析了有关软件在所支持的脚本语言方面的官方手册，特别是接口定义和API引用，以识别可以访问文档中定义的内容对象的API。此外，还采用了favocado[1]中提出的方法，根据API的高级语义对其进行聚类，并构建了用于脚本代码生成的模板语料库。

2）Execution Logging：本文所实现的系统可以自动将生成的脚本插入到每个文档中。通过被测试的应用程序打开每个修改后的文档，并记录嵌入脚本的执行结果。为了记录执行结果，脚本必须包含两个日志操作。首先，在一次调用任何API之后，本文将使用适当的语句来保存返回值，例如通过打印函数或保存到日志文件。成功调用表示文档包含当前API执行所需的对象。其次，为了记录引发异常的意外错误，本文插入故障处理代码来挂接异常并记录错误消息。此步骤生成一组形式为（document，API，result）的元组，其中document标识测试文件，API表示相关的API，result表示执行结果。

3）Relationship Inference：用于推断的算法如图3所示，首先，对于每个API f，先找到所有相关的执行结果，包括成功（表示为Sf）和失败（表示为Ff）。然后，对于每个对象类c，找到在类c中至少包含一个对象的所有文件（表示为IN）。接下来，计算所有包含c中的任何对象的成功文件在所有成功文件中的比例，表示为rateS；类似地，计算了所有失败文件中包含c中任何对象的文件的比率，表示为rateF。最终，采用rateS和rateF的差异表示每个API与每类对象的关联程度。

图3  关系推断算法

五、关系引导的变异

图4 变异执行流程

本文设计了三种突变方法：

Attribute Mutation：该突变策略将修改对象的属性（即一个名称-值对）。首先，随机选择一个对象的一个属性，并将其替换为同一类中其他对象的另一个属性。大量的样本将为每一类对象提供不同的属性。其次，随机选择一个属性，并将其插入到同一类中的其他对象中。由于属性可以是可选的，因此插入操作可能会增加对象属性的数量。第三，从对象中删除可选属性以减少其属性。最后，将一个属性的值替换为其他属性的其他值。

Whole-object Mutation：除了属性突变外，本文还对整个对象进行了修改，以提高突变效率。当对象从未被用作值时，这一点尤为必要。整个对象突变还包括三个操作：对象替换、插入和删除。对于替换，随机选择同一类中的另一个对象来替换当前对象，应保留对象的标识符，以便所有对旧对象的引用现在都引用新对象。对于删除，随机选择一个对象，并用随机字节替换其内容。同时，找到所有对旧对象的引用，并将其替换为Null。对于插入，只将新元素添加到Array对象中，其中新对象来自现有对象的类。

Universal Mutation：如果一类对象在rateS和rateF中都有很高的值，本文作者将它们视为公共对象，相应地执行两个突变。首先，插入众所周知的易触发bug的值，以便触发边界条件。例如，对于整数，赋值器将它们替换整数的最大值和最小值；对于字符串，用Null对象替换它们，并在字符序列中随机插入0。其次，将修改特定对象的大小。对于字符串和数组，将它们的长度设置为零或一个非常大的值。在对象级别，可能执行删除其中的所有属性或将现有属性复制到最大数量。

六、 实验设计及结果

（一）具体实现

在系统实现过程中，作者修改了一个开源的PDF解析器——PyPDF2^[3]，将PDF文件解析为对象，并构建对象之间的相互引用图。对于DOCX文件，本文使用python库zipfile将文件解压缩为分层目录文件。然后，使用python库xml来修改文件结构。

在脚本生成方面，为了解决之前代码生成单行模板的单调问题，本文作者引入了由多行代码组成的块级模板，使本文实验所用的系统能够轻松地构建具有复杂循环和条件语句的代码。

（二）实验设置

图5 实验设置

（三）具体实验

表1 对象类和annotation APIS之间的关系

图6  发现未知bug的数量

表2  COOPER发现的未知漏洞

由于测试程序的封闭源代码性质，无法直接区分绑定代码和其他代码。为了解决这个问题，本文依靠脚本引擎和调用堆栈的公共接口来识别与绑定层相关的代码。具体来说，本文使用 Intel PIN^[4]（一种动态检测工具）运行每个程序，并为每个分支检查当前调用堆栈是否包含脚本引擎的公共接口。如果这样的接口（即Foxit的FXJSE_ExecuteScript、Acrobat的EScript.api模块中的任何函数、Word的VBE7.dll模块中的任意函数）在调用堆栈中，将分支视为与绑定层相关。否则，分支仅用于底层代码。实验结果如图6所示。

可以看到，COOPER-full在脚本代码和底层代码的覆盖率方面始终优于其他配置和工具。例如，在测试Adobe Acrobat时，与COOPER-random、COOPER-object、COOPER-scrip和Domato相比，COOPER-full在脚本代码上的边缘覆盖率分别提高了11.5%, 637.2%, 17.7% 和 13.0%。同时，与其他代码相比，它在底层代码上的边缘覆盖率分别提高了22.4%, 24.8%, 39.3%和 36.5%。这一结果表明，COOPER在测试采用绑定层的程序时可以提高代码覆盖率，同时，也可以解释为什么它可以检测到这么多严重的漏洞。

图7  不同配置的实验组的边覆盖情况

七、 总结

参考文献