基于静态分析的Rust内存安全缺陷检测研究 报告人：徐辉 报告日期：2022.11.25 复旦大学 大纲 一、问题背景 二、Rust指针缺陷检测方法 三、实验结论 四、论文发表心得 大纲 一、问题背景 二、Rust指针缺陷检测方法 三、实验结论 四、论文发表心得 Rust语言 ❑ 系统级安全编程语言 ▪ 内存安全 ▪ 并发安全 ▪ 效率 2006年 2011年 handling drop(_0) 返回值 Auto Memory Reclaim问题：示例2 创建未初始化的变量foo Panic将导致访问未初始化内存 大纲 一、问题背景 二、Rust指针缺陷检测方法 三、实验结论 四、论文发表心得 研究挑战和思路 ❑ 研究挑战：指针分析是NP-hard问题 ▪ 准确性：应采用路径敏感的指针分析算法，避免过多误报 ▪ 分析效率：应基于Rust MIR的特点对算法进行优化，使其可行 ❑ 整体思路：基于编译过程中的生成的MIR进行静态分析 ▪ 路径提取：控制流图=>生成树 ▪ 别名分析：分析指针之间的关联关系 ▪ 模式识别：根据预定义的缺陷模式检测指针漏洞 路径提取 别名分析 模式识别 “SafeDrop: Detecting memory deallocation bugs of Rust programs via static

研发效能的度量量 需求响应周期 持续发布能力 交付吞吐率 交付过程质量 交付质量 交付周期 开发周期 集成发布时⻓长 发布频率 单位时间交付需求数 创建/关闭缺陷分布 缺陷库存 单位时间线上缺陷 线上问题解决时⻓长 持续快速、高质量 地交付价值的能力 软件的交付过程 已选择 分析中 就绪 开发中 待测试 验收中 待发布 已发布 需求池 需求开发周期 需求交付周期 端到端价值流 响应速度 需求响应周期 持续发布能力 交付吞吐率 交付过程质量 交付质量 交付周期 开发周期 集成发布时⻓长 发布频率 单位时间交付需求数 创建/关闭缺陷分布 缺陷库存 单位时间线上缺陷 线上问题解决时⻓长 从确认用户的需求，到需求上线的时长 这反应了团队（含业务、开发和运营等职能）对 客户问题和业务机会的响应速度 对需求进行澄清理解之后，可开发状态，到需求 需求响应周期 持续发布能力 交付吞吐率 交付过程质量 交付质量 交付周期 开发周期 集成发布时⻓长 发布频率 单位时间交付需求数 创建/关闭缺陷分布 缺陷库存 单位时间线上缺陷 线上问题解决时⻓长 单位时间的故障（线上缺陷）数 越少越好，尤其关注那些对业务造成重大影响的 故障，有非常明确的定级 线上问题，从发现到解决的时长 越短越好，线上问题得到解决的时长，也直接决

测试评审 测试计划 测试执⾏ 测试进度 测试跟踪 测试报告 测试⼤屏 需求管理平台 缺陷管理平台 外部对接 代码构建平台 消息通知平台 测试能⼒模块 功能测试 接⼝测试 性能测试 UI 测试 测试⽤例管理 列表管理 脑图管理 公共⽤例库 ⽤例批量变更 ⽤例关联需求 缺陷管理 接⼝⽤例管理 接⼝ Mock 服务 内置数据函数 ⾃定义脚本 接⼝场景编排 Chrome 插件录 制脚本 压测集群 测试结果 测试报告 动态测试报告 配置 Job 或者流⽔线 登录 MeterSphere 界⾯ API 调⽤ ⾃动运⾏ 关联 对接⼝直接进⾏压测 缺陷同步 接⼝ 导⼊ 上传 维护 管理 调⽤ UI 测试 测试结果 Selenium IDE 插件录制 上传 发起测试 不仅仅是功能的⼀站式 外部系统交互与集成 存量测试脚本的兼容 数据采集 数据采集 度量 功能评审率 接⼝覆盖率 ⾃动化执⾏效率 缺陷统计数 缺陷管理 缺陷统计 缺陷分布 数据采集 性能测试 ⽤例 评审 缺陷推送与同步 ⼈⼯模式的测试计划执⾏ 功能测试⽤例 接⼝测试⽤例 接⼝场景⽤例 性能测试⽤例 UI 测试场景 其他测试⽤例 测试计划 测试计划报告 缺陷管理 发起 执⾏ 报告 全 ⾃ 动 化 执 ⾏ 与 反 馈 MeterSphere

领域用户和社会公众用户，开发应用人工智能技术的若干安全指导规范。 3. 人工智能安全风险分类 人工智能系统设计、研发、训练、测试、部署、使用、维护等生命周期 各环节都面临安全风险，既面临自身技术缺陷、不足带来的风险，也面临不当 使用、滥用甚至恶意利用带来的安全风险。 3.1 人工智能内生安全风险 3.1.1 模型算法安全风险 （a）可解释性差的风险。以深度学习为代表的人工智能算法内部运行逻 （d）数据泄露风险。人工智能研发应用过程中，因数据处理不当、非授 权访问、恶意攻击、诱导交互等问题，可能导致数据和个人信息泄露。 3.1.3 系统安全风险 （a）缺陷、后门被攻击利用风险。人工智能算法模型设计、训练和验证 的标准接口、特性库和工具包，以及开发界面和执行平台可能存在逻辑缺陷、- 5 - 人工智能安全治理框架 漏洞等脆弱点，还可能被恶意植入后门，存在被触发和攻击利用的风险。 （b）算力安全风险。人工智能 提高攻击效率，包括挖掘利用漏洞、破解密码、生成恶意代码、发送钓鱼邮件、 网络扫描、社会工程学攻击等，降低网络攻击门槛，增大安全防护难度。 （e）模型复用的缺陷传导风险。依托基础模型进行二次开发或微调，是 常见的人工智能应用模式，如果基础模型存在安全缺陷，将导致风险传导至下 游模型。 3.2.2 现实域安全风险 （a）诱发传统经济社会安全风险。人工智能应用于金融、能源、电信、交通、 民生等传统

1.1-5 Debian 修訂版 上游版本 ▶ 可以手動編輯或者透過 dch ▶ 為一個新的發行版創建一條歷程記錄dch -i ▶ 具備特殊格式並自動將 Debian 或 Ubuntu 的缺陷結案 Debian: Closes: #595268; Ubuntu: LP: #616929 ▶ 安裝在 /usr/share/doc/package /changelog.Debian.gz Smith License: [LICENSE TEXT] Debian 套件打包教學指南 33 / 90 修改上游的原始碼 通常發生於: ▶ 需要修正缺陷或者新增 Debian 客製化修改 ▶ 從新的上游發行版中移值補丁回來 列出可實行的方法: ▶ 直接修改檔案 ▶ 簡單 ▶ 但是沒有修改歷程等相關文件可供追蹤 ▶ 使用補丁系統 ▶ 讓修改更容易的回到上游 追蹤系統 (BTS) ▶ 使用特有的方法來管控缺陷 ▶ 使用 Web 的介面來查看缺陷 ▶ 使用 Email 的介面來處理缺陷 ▶ 加入缺陷的資訊: ▶ 寫電子郵件到 123456@bugs.debian.org (若要包含submitter, 你需要 加入 123456-submitter@bugs.debian.org) ▶ 更改缺陷狀態: ▶ 送出指令到 control@bugs

• ·精炼钢水温度连续测量 • 炼钢设备远程监控及故障 诊断 • ·转炉炉体缺陷检测 • 钢水液面检测 • 钢包水口位置定位 • 钢包顶升高度预测 • 钢包吊钩姿态监测 • 钢包温度远程智能监测 • 炼钢工序物料属性检测 • ·精炼钢水温度连续测量 • 炼钢设备远程监控及故障诊断 • 转炉炉体缺陷检测 • 钢水液面检测 • 钢包水口位置定位 • 钢包顶升高度预测 • 钢包吊钩姿态监测 • 棒材粗轧孔型对正检测、 自动调整 • 棒材打捆自动计数 • 带材 SSP 卡钢模型 • 带材带材边部缺陷检测模型 • 带材圆盘剪边丝堵塞及逃逸检测 • 线材坯料尺寸自动测量 • 线材轧机咬钢打滑识别 • 线材高速线材表面质检 • 线材成品异常检测& 自动剪尾 • 轧辊表面缺陷分析 • 带钢表面质量监测 • 带钢表面质量检测 • 热卷带头方向识别 • 钢卷带头监测与联动控制 • 钢卷托举位置对中检测 • 钢管识别跟踪 • 铸管外表面缺陷自动检测 • 铸管内壁缺陷自动检测 • 轧钢含油污泥油-水-固三相比例及成分分析 • 坯料库行车智能调度 • (棒材)多维度轧件堆拉关系分析 • 轧钢动态调度算法 • 产品质量在线控制无损检测 • 无缝钢管芯棒表面质检 • 无缝钢管制品芯棒插偏检测 • 冷轧带材精轧机架间钢带异常识别 • 冷轧带材机架间板形异常识别 • 带材表面缺陷自动检测 • 带材卷取异常检测

脚本 MeterSphere Chrome 插件录 制脚本 压测集群 测试结果 测试报告 动态测试报告 配置 Job UI 登录 API 调⽤ 运⾏ 关联 对接⼝直接 进⾏压测 缺陷同步 接⼝ 导⼊ 上传 维护 管理 调⽤ MeterSphere 关键能⼒设计⼆：能⼒⼀站式 UI 测试 测试结果 Selenium IDE 插件录制 上传 发起 MeterSphere 看与评审 列表模式查 看与评审 双向同步 ⽤例导⼊ ⽤例创建 JIRA 、 禅道 、TAPD 等 关联需求 JIRA 、 禅道 、TAPD 等 同步缺陷 报告预览与 统⼀输出 MeterSphere 缺陷管理 1 5 MeterSphere 测试跟踪核⼼：覆盖全场景的测试计划 测试跟踪 主要⽤于描述了要进⾏的 测试范围、类型和测试进 度等。在 MeterSphere 将测试融⼊业务交付线，形成开发、测试、运维闭环 - 开发⼈员 需求缺陷 管理 测试⼈员 运维⼈员 解决需求 修复缺陷 功能测试 接⼝测试 性能测试 ① 流⽔线中调⽤MeterSphere API 或者Jenkins触发测试 ② ⾃动化执⾏测试 ③ 执⾏结果推送 开发和测试 ⽣产环境 需求同步 缺陷推送 接⼝维护 ③ 执⾏结果推送 API 接⼝说明 Pipeline

脚本 MeterSphere Chrome 插件录 制脚本 压测集群 测试结果 测试报告 动态测试报告 配置 Job UI 登录 API 调⽤ 运⾏ 关联 对接⼝直接 进⾏压测 缺陷同步 接⼝ 导⼊ 上传 维护 管理 调⽤ MeterSphere 关键能⼒设计⼆：能⼒⼀站式 UI 测试 测试结果 Selenium IDE 插件录制 上传 发起 MeterSphere 看与评审 列表模式查 看与评审 双向同步 ⽤例导⼊ ⽤例创建 JIRA 、 禅道 、TAPD 等 关联需求 JIRA 、 禅道 、TAPD 等 同步缺陷 报告预览与 统⼀输出 MeterSphere 缺陷管理 1 5 MeterSphere 测试跟踪核⼼：覆盖全场景的测试计划 测试跟踪 主要⽤于描述了要进⾏的 测试范围、类型和测试进 度等。在 MeterSphere 将测试融⼊业务交付线，形成开发、测试、运维闭环 - 开发⼈员 需求缺陷 管理 测试⼈员 运维⼈员 解决需求 修复缺陷 功能测试 接⼝测试 性能测试 ① 流⽔线中调⽤ MeterSphere API 或者 Jenkins 触发测试 ② ⾃动化执⾏测试 ③ 执⾏结果推送 开发和测试 ⽣产环境 需求同步 缺陷推送 接⼝维护 ③ 执⾏结果推送 API 接⼝说明 Pipeline

Launchpad 技术问答 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 454 9.5.2 Launchpad 缺陷跟踪系统：Malone . . . . . . . . . . . . . . . . . . 458 9.5.3 Shipit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 458 9.27 缺陷跟踪 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459 9.28 缺陷报告 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459 9.29 查看已报告的缺陷 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 460 9.30

16 14 0 50 100 150 200 250 本单位 省公司 省公司（直投） 专业公司 入驻项目数 工程类 研发类 新业务开发 87055条/个 平台管理的需求、任务、缺陷、文档、镜像等数字资产 10.43亿 平台管理的业务或应用代码行数 215.87万 平台进行代码质量扫描、代码安全扫描、镜像安全扫描、整体安全扫描量 183.81万 提交代码、构建、部署总次数，其中x86构建16 "#$%&' 安全开发-代码扫描SAST 源代码审计针对源代码缺陷进行静态分析检测。它在对目标软件代码进行语法、语义分析的技术上，辅以数据流 分析、控制流分析和特有的缺陷分析算法等高级静态分析手段，能够高效的检测出软件源代码中的可能导致严重 缺陷漏洞和系统运行异常的安全问题和程序缺陷，并准确定位告警，从而有效的帮助开发人员消除代码中的缺陷、 培养安全开发意识，提高安全开发水平、减少不必要的软件补丁升级，为软件的信息安全保驾护航。 丁升级，为软件的信息安全保驾护航。 发起工程检 测 查看工程缺 陷 缺陷审计 派发线下整 改 创建检测工 程 安全测试-灰盒扫描IAST ① ① 灰盒审计与需求安全分析呼应，保障安全设计的落地 与CI/CD流水线集成，常态化检测，研发自行修复 IAST扫描结果提供DevSecOps常态化安全运营指标 通过将IAST集成到CI/CD流水线，在测试环境的构建过程中自动部署I