博士论文：语言解释器中堆溢出漏洞的灰盒自动利用生成

核心创新

1. 模块化利用链架构

   • 将传统单阶段利用生成拆分为堆布局控制、原语构建、ASLR绕过等可组合阶段
   • 采用类似模糊测试的灰盒方法解决各阶段子问题

2. 模板驱动开发

   • 设计人类可读的模板语言连接各阶段解决方案
   • 支持"人在环路"开发模式，允许人工介入关键环节

3. 惰性求解机制

   • 通过假设验证模式（先模拟后求解）大幅降低计算开销
   • 例如：先假设特定堆布局可被利用，验证成功后再实际构造该布局

技术突破

• 全球首个针对PHP/Python解释器堆溢出的自动利用系统
• 纯灰盒方案在堆布局操控任务上比符号执行快3个数量级
• 实现包含信息泄露、堆风水、控制流劫持的完整利用链

应用价值

• 发现真实解释器漏洞中89%的堆溢出可自动化利用
• 模板系统可扩展支持新漏洞类型（如UAF漏洞）
• 为浏览器/内核等复杂目标的利用生成提供方法论基础

延伸阅读

• 《Gollum: 解释器堆溢出的模块化灰盒利用生成》（CCS 2019）
• 《自动化堆布局操控技术》（USENIX Security 2018）

“未来利用生成系统将是模糊测试技术与模板化组件的有机结合，符号执行仅用于关键精度要求场景。” —— 论文核心观点