M2kar's Security World

【论文笔记】针对已部署的物联网设备漏洞的大规模研究-NESA实验室-浙江大学

标题: A Large-scale Empirical Study on the Vulnerability of Deployed IoT Devices **作者:**Binbin Zhao, Shouling Ji, Wei-Han Lee, Changting Lin, Haiqin Weng, Jingzheng Wu, Pan Zhou, Liming Fang, Raheem Beyah 关键字: IoT Search Engine, Vulnerable Device Assessment. 来源: IEEE Trans. Dependable and Secure Comput. **链接:**https://ieeexplore.ieee.org/document/9259111/ **引用:**Zhao, Binbin, Shouling Ji, Wei-Han Lee, Changting Lin, Haiqin Weng, Jingzheng Wu, Pan Zhou, Liming Fang, and Raheem Beyah. “A Large-Scale Empirical Study on the Vulnerability of Deployed IoT Devices....

【论文笔记】CyGraph:用图数据库发现并可视化网络流量中的安全威胁

标题: CyGraph: Graph-Based Analytics and Visualization for Cybersecurity 作者: S. Noel1, E. Harley, K.H. Tam, M. Limiero and M. Share 关键字: 流量分析, 知识图谱来源: The MITRE Corporation, McLean, VA, United States 链接: http://www.sciencedirect.com/science/article/pii/S0169716116300426 引用: Noel, S., E. Harley, K. H. Tam, M. Limiero, and M. Share. “CyGraph: Graph-Based Analytics and Visualization for Cybersecurity.” In Handbook of Statistics, edited by Venkat N. Gudivada, Vijay V. Raghavan, Venu Govindaraju, and C. R....

【论文笔记】FuzzGen自动化生成模糊测试器^[draft]

标题: FuzzGen: Automatic Fuzzer Generation 作者: Kyriakos Ispoglou, Daniel Austin, Vishwath Mohan, Mathias Payer, 关键字: 系统安全, Fuzzing, 动态分析来源: USENIX Security 2020 链接: https://www.usenix.org/conference/usenixsecurity20/presentation/ispoglou 引用: Ispoglou Kyriakos, Austin Daniel, Mohan Vishwath, and Payer Mathias. “FuzzGen: Automatic Fuzzer Generation,” 2271–87, 2020. https://www.usenix.org/conference/usenixsecurity20/presentation/ispoglou. 摘要模糊测试是一种发现软件中未知漏洞的测试技术。将模糊测试应用于库时，提供随机输入的核心思想保持不变，但是实现良好的代码覆盖率并非易事。库不能作为独立程序运行，而是通过另一个应用程序调用。在库中深层触发代码仍然具有挑战性，因为需要特定的API调用序列来建立必要的状态。到目前为止，图书馆是多种多样的，并且具有独特的界面，这些界面需要独特的模糊器，到目前为止，该分析器是由人类分析师编写的。为了解决这个问题，我们介绍了FuzzGen，这是一种用于在给定环境中自动合成复杂库的模糊器的工具。 FuzzGen利用整个系统分析来推断库的界面，并为该库专门合成模糊器。 FuzzGen不需要人工干预，可以应用于各种库。此外，生成的模糊器利用LibFuzzer来实现更好的代码覆盖率并暴露库深处的错误。在Debian和Android开放源代码项目（AOSP）上对FuzzGen进行了评估，选择了7个库来生成模糊器。到目前为止，我们发现了17个先前未修补的漏洞，其中包含6个分配的CVE。生成的模糊器平均可实现54：94％的代码覆盖率；与手动编写的模糊器相比，改进了6：94％，证明了FuzzGen的有效性和通用性。介绍现实问题待解决的问题主要思路 FuzzGen背后的主要思路。为了合成Fuzzer，FuzzGen执行整个系统分析以提取所有有效的API交互。主要贡献之前研究的不足方法设计 FuzzGen工作流。 FuzzGen以CFG(a)开头，并提取相应的A2DG(b)（有关其他模块的图，请参阅(c)）。然后将两个A2DG图合并（d）。然后，合并的A2DG用于根据功能顺序（e）创建模糊器。这些图由FuzzGen自动生成。实现实验评估数据集实验方法实验效果讨论总结作者介绍收获本文优势可扩展结合的点论文评价评分: ⭐⭐⭐⭐⭐...

【论文笔记】HALucinator 虚拟化硬件层模拟启动固件

**标题:**HALucinator: Firmware Re-hosting Through Abstraction Layer Emulation 作者: Abraham A Clements, Eric Gustafson; Tobias Scharnowski; Paul Grosen; David Fritz; Christopher Kruegel and Giovanni Vigna; Saurabh Bagchi; Mathias Payer 来源: USENIX Security 2020 链接: https://www.usenix.org/conference/usenixsecurity20/presentation/clements 引用: Clements, A. A., Gustafson, E., Scharnowski, T., Grosen, P., Fritz, D., Kruegel, C., … Payer, M. (2020). HALucinator: Firmware Re-hosting Through Abstraction Layer Emulation. 29th USENIX Security Symposium (USENIX Security 20), 1201–1218. USENIX Association. Retrieved from https://www....

lvm磁盘备份、替代、和修复方案

lvm磁盘备份、替代、和修复方案创建lvm组VG0和分区LVA并挂载到/A Make lvm volume group VG0 and partition LVA and mount to /A root@vm-ubu:/home/rui# lvmdiskscan /dev/loop0 [ 14.50 MiB] /dev/loop1 [ 140.66 MiB] /dev/sda1 [ <80.00 GiB] /dev/loop2 [ <90.99 MiB] /dev/loop3 [ <12.99 MiB] /dev/loop4 [ <34.54 MiB] /dev/loop5 [ <2.25 MiB] /dev/loop6 [ <3.70 MiB] /dev/sdb [ 2.00 GiB] /dev/sdc [ 2.00 GiB] 2 disks 8 partitions 0 LVM physical volume whole disks 0 LVM physical volumes root@vm-ubu:/home/rui# pvcreate /dev/sdb Physical volume "/dev/sdb" successfully created....