CFITSIO Fuzzing: Memory Corruptions and a Codex-Assisted Pipeline

Automatisation de la recherche de vulnérabilités via IA : Étude de cas sur CFITSIO

Cet article détaille une méthodologie de fuzzing assistée par intelligence artificielle (Codex) appliquée à la bibliothèque CFITSIO, largement utilisée par la communauté astronomique pour manipuler le format de fichiers FITS. En se concentrant sur l’Extended Filename Syntax (EFS), un parseur complexe capable d’exécuter des opérations de filtrage, l’auteur a identifié 16 vulnérabilités critiques liées à la gestion mémoire.

Points clés

• Approche automatisée : L’auteur a mis en place un pipeline intégrant AFL++ (fuzzing), AFLtriage (tri des plantages) et un modèle de langage (Codex) pour analyser les causes racines et générer des correctifs.
• Surface d’attaque : La syntaxe EFS (ex: myfile.fits[FILTRE]) expose la bibliothèque à des entrées non fiables traitées avant même l’ouverture du fichier.
• Efficacité de l’IA : Codex a permis de déboguer rapidement des erreurs complexes, notamment des problèmes de priorité d’opérateurs en C, et de vérifier l’absence de régressions (fuites mémoires) dans les correctifs.

Vulnérabilités identifiées

La plupart des failles découvertes relèvent d’une gestion insécurisée des chaînes de caractères et des calculs d’index :

• Dépassements de tampon (Stack/Heap Overflow) : Dus à des erreurs de calcul de taille (ex: strncat mal utilisé).
• Erreurs de priorité d’opérateurs : Un exemple notable (CFITSIO-EFS-01) montre comment une priorité incorrecte entre les opérateurs + et ?: a rendu une vérification de sécurité inopérante, permettant des corruptions mémoire.
• Fuites mémoires : Introduites par une gestion incorrecte des pointeurs realloc.

Note : Bien que l’article mentionne 16 vulnérabilités, les identifiants CVE spécifiques n’ont pas été listés dans le texte source.

Recommandations

• Utilisation des API sécurisées : Privilégier les fonctions de manipulation de chaînes de caractères qui effectuent des vérifications de limites strictes.
• Validation des entrées : Désinfecter systématiquement les noms de fichiers provenant de sources externes avant de les passer à des fonctions comme fits_open_file.
• Adoption de l’automatisation : Intégrer des outils de génération de correctifs basés sur l’IA dans les pipelines CI/CD pour accélérer la remédiation et détecter les erreurs de logique ou de priorité d’opérateurs, souvent invisibles lors de revues manuelles rapides.
• Utiliser les alternatives sécurisées : Préférer fits_open_diskfile plutôt que fits_open_file lorsque l’interprétation EFS n’est pas nécessaire.

Source