[論文レビュー] Compartmentalization-Aware Automated Program Repair

Jia Hu, Youcheng Sun+1 more|arXiv (Cornell University)|Mar 10, 2026

Security and Verification in Computing被引用数 0

ひとこと要約

論文は CIV ファuzzer、LLM 主導のパッチ生成、およびフィードバックループを用いて compartmentalization を意識した APR フレームワークを設計・評価し、クロス区画インターフェースを自動的に保護し CIV を修復します。

ABSTRACT

Software compartmentalization breaks down an application into compartments isolated from each other: an attacker taking over a compartment will be confined to it, limiting the damage they can cause to the rest of the application. Despite the security promises of this approach, recent studies have shown that most existing compartmentalized software is plagued by vulnerabilities at cross-compartment interfaces, allowing an attacker taking over a compartment to escape its confinement and negate the security guarantees expected from compartmentalization. In that context, securing cross-compartment interfaces is notoriously difficult and engineering-intensive. In light of recent advances in Automated Program Repair (APR), notably through the use of Large Language Models (LLMs), this paper presents a work in progress investigating the suitability of LLM-based APR at securing cross-compartment interfaces as automatically as possible. We observe that existing APR approaches and general purpose/code-centric LLMs used as is are unfit for this task, and present the design, implementation, and early results of a new APR framework dedicated to compartment interface safety. The framework integrates into a feedback loop 1) a specialized fuzzer uncovering cross-compartment interface vulnerabilities; 2) a patch generation component bridging the lack of compartmentalization awareness of existing LLMs with a series of analysis techniques; and 3) a patch validation component assessing the effectiveness of generated vulnerability fixes. We validate our framework over a sample interface vulnerability, comparing it to a naive use of general-purpose LLMs, and discuss future research avenues.

研究の動機と目的

• 区画化の利点を維持するためにクロス区画インターフェースを保護する必要性を動機づける。
• 明示的な信頼モデルを用いた CIV に対処する反復的 APR フレームワークを設計する。
• CIV ファザーを活用して脆弱性を発見し、結果を LLM 主導のパッチ生成へフィードバックする。
• CIV を分類してパッチ生成を誘導し、パッチ適用限界を決定する。
• 素朴な LLM ベースラインと比較してアプローチを評価し、将来の研究方向を論じる。

提案手法

• CIV ファザー (ConfFuzz) を組み込み、指定された区画化ポリシーの下で特定のインターフェースにおける CIV を発見する。
• 脆弱性とアプリケーション文脈で埋め込まれた区画化対応プロンプトに従って導かれる LLM 主導のパッチ生成コンポーネントを使用する。
• CIV とクラッシュスタックを分析してパッチの場所とデータフロー対応のパッチ決定を通知する。
• データ型（ポインタ、スカラー、構造化ペイロード、不透明ハンドル）ごとに CIV を分類し、パッチの粒度と予防チェックを決定する。
• 生成されたパッチをファズとサニタイザレポートの反復検証ループで検証し、パッチの有効性に基づいてプロンプトを更新する。

Figure 1. Trust models enforced by software compartmentalization, with the direction of attacks exploiting CIVs by corrupting the control or data flowing between untrusted and trusted compartments.

実験結果

リサーチクエスチョン

• RQ1 LLM ベースの APR は CIV に対処する自動化でクロス区画インターフェースを効果的に安全化できるか。
• RQ2 区画化意識は一般目的の LLM と比べてパッチ生成と配置にどのような影響を与えるか。
• RQ3 自動修復に適した CIV のタイプは何で、どのタイプは人間の介入を必要とするか。
• RQ4 ファザー guided のフィードバック駆動修復ループは、素朴な LLM ベースの修正よりパッチ品質を改善するか。

主な発見

• 初期結果はパッチ生成器が CIV を部分的にしか解決しないパッチを出力することが多く、反復的な改良が必要である。
• フ ィールドに基づく検証ループを統合して CIV の修正を再現・検証し、修正が不完全な場合はプロンプトを洗練させる。
• 素朴な GPT 傾向の修復ベースラインと比較して、同じ CIV をサンドボックス環境で修復する際の効率が改善される。
• CIV およびクラッシュスタック分析はパッチの粒度とパッチ適用箇所の指針を提供し、インターフェースの関連部分への修正を狙いやすくする。
• 研究は CIV データベースを用いた既存の compartmentalization 非対応の APR フレームワークに対する今後の評価計画を概説する。
• このアプローチは自動化に適した CIV タイプやインターフェースシナリオを定量化し、どこで人間の指導が不可欠かを明らかにすることを目指す。

Figure 2. Overview of our compartmentalization-aware APR framework. It takes as inputs (green boxes) an application’s source code, a description of its desired compartmentalization policy and of a particular cross-compartment interface to secure. A CIV Fuzzer uncovers CIVs on that interface, and the