We propose a system, named ATVHunter, which can pinpoint the precise vulnerable in-app TPL versions and provide detailed information about the vulnerabilities and TPLs. We propose a two-phase detection approach to identify specific TPL versions. Specifically, we extract the Control Flow Graphs as the coarse-grained feature to match potential TPLs in the pre-defined TPL database, and then extract opcode in each basic block of CFG as the fine-grained feature to identify the exact TPL versions. We build a comprehensive TPL database (189,545 unique TPLs with 3,006,676 versions) as the reference database. Meanwhile, to identify the vulnerable in-app TPL versions, we also construct a comprehensive and known vulnerable TPL database containing 1,180 CVEs and 224 security bugs. Experimental results show ATVHunter outperforms state-of-the-art TPL detection tools, achieving 90.55% precision and 88.79% recall with high efficiency, and is also resilient to widely-used obfuscation techniques and scalable for large-scale TPL detection. Furthermore, to investigate the ecosystem of the vulnerable TPLs used by apps, we exploit ATVHunter to conduct a large-scale analysis on 104,446 apps and find that 9,050 apps include vulnerable TPL versions with 53,337 vulnerabilities and 7,480 security bugs, most of which are with high risks and are not recognized by app developers.


翻译:我们提议了一个名为ATVHunter的系统,该系统可以确定精确的脆弱应用TPL版本,并提供关于脆弱性和TPL的详细信息。我们建议采用两个阶段的检测方法来识别具体的TPL版本。具体地说,我们提取控制流程图作为粗粗略的特性,以匹配预先定义的TPL数据库中的潜在TPL,然后在CFG的每个基本部分中提取操作代码,作为精细筛选功能,以识别准确的TPL版本。我们建立了一个全面的TPL数据库(189,545个独特的TPL,3,006,676版本)作为参考数据库。同时,我们建议用两个阶段的检测方法来识别具体的TPL版本中的脆弱。我们还建立了一个全面和已知的脆弱TPL数据库,其中包括1,180个CPL和224个安全错误。实验结果显示,ATV的功能优于最新技术检测工具,达到90.55%的精确度和88.79%的回顾率。我们还能够适应广泛使用的模糊技术和可测量的TPL版本。 另外,我们还认识到,在大规模开发TPL4时使用了一个大规模安全风险的系统。

0
下载
关闭预览

相关内容

因果推断,Causal Inference:The Mixtape
专知会员服务
105+阅读 · 2021年8月27日
《Golang修养之路》干货书
专知会员服务
33+阅读 · 2021年5月8日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
37+阅读 · 2021年4月9日
专知会员服务
15+阅读 · 2021年4月3日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
72+阅读 · 2020年5月5日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
已删除
将门创投
4+阅读 · 2018年11月15日
Zero-Shot Object Detection
Arxiv
9+阅读 · 2018年7月27日
VIP会员
相关VIP内容
因果推断,Causal Inference:The Mixtape
专知会员服务
105+阅读 · 2021年8月27日
《Golang修养之路》干货书
专知会员服务
33+阅读 · 2021年5月8日
【CVPR2021】基于端到端预训练的视觉-语言表征学习
专知会员服务
37+阅读 · 2021年4月9日
专知会员服务
15+阅读 · 2021年4月3日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
72+阅读 · 2020年5月5日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
已删除
将门创投
4+阅读 · 2018年11月15日
Top
微信扫码咨询专知VIP会员