《使用静态污点分析检测恶意代码》CMU最新30页slides

问题

• 美国国防部使用大量由不同供应链生产的软件。
• 这些供应链可能会被对手破坏：
  • 网络入侵
  • 内部威胁
• 未能检测到恶意代码的代价可能非常高昂，但检测却很困难。
  • 例如 2020 年 SolarWinds 事件
• 目标是检测两种类型的恶意代码：
  • 潜在敏感信息的外泄
  • 定时炸弹/逻辑炸弹、远程访问木马等。
    • 一般来说 调用潜在敏感的系统 API 调用（如启动新进程）以响应潜在的可疑触发（如在特定日期、响应传入的网络数据包等）。

方法

• 范围限制：会将代码标记为潜在恶意代码，但需要进一步的人工分析才能确定代码是否真的是恶意代码。
  • 行为是否恶意取决于程序应该做什么。
  • 漏洞（如 SQL 注入）不在本项目的主要关注范围内。
• 工具的目标：生成能简明、准确地描述代码库潜在恶意行为的输出结果，以便人工分析师能快速、准确地判断该行为是良性的还是恶意的。