核心结论先行: AI 发现栈溢出不是 "读一眼代码就报警",而是一套组合流水线:先用静态分析把危险函数和无校验的拷贝圈成候选点,再让 LLM 自动生成符号执行 harness、由符号执行算出 "什么样的输入能把栈写穿",同时用 Agentic 模糊测试用进化输入去撞真实崩溃,最后由 LLM 结合上下文判断这是真漏洞还是误报,并给出字节级可复现 payload。单独任何一招都不够:纯静态分析误报高,纯模糊测试撞不到深层路径,纯 LLM 看代码会幻觉,所以 2026 年主流做法是把程序分析、符号执行、模糊测试和大模型推理拼在一起。下面按 "栈溢出怎么形成→AI 怎么一步步找到它" 拆开讲。
一、先复习:栈溢出是怎么形成的
栈上分配的局部缓冲区,程序把外部输入拷进去时没校验长度,数据写过头覆盖相邻栈内容,最严重时覆盖返回地址,劫持执行流。典型危险特征:
- 用了 gets、strcpy、strcat、sprintf 这类不带长度限制的拷贝函数;
- 长度变量来自用户输入,和缓冲区大小没有比较;
- 输入从网络 / 文件一路流到栈缓冲(污点传播路径完整)。
AI 的工作就是自动把这三个特征串起来。
二、四条技术路线:各管一段
| 路线 | 干什么 | AI 扮演的角色 | 擅长找什么 |
|---|---|---|---|
| 静态分析 | 不运行代码,扫函数、变量、数据流 | 圈候选点、补上下文、写程序切片查询 | 危险函数 + 缺长度校验的位置 |
| 符号执行 | 把输入当符号,沿路径解约束 | 自动写 harness、stub、断言,迭代修正 | 能精确推出触发路径和输入 |
| Agentic 模糊测试 | 真实跑程序,进化输入撞崩溃 | 选测试目标、写 harness、判断崩溃是否有效 | 实际可触发的越界写入 |
| LLM 直接推理 | 像人一样读代码、比补丁 | 类比历史修复、识别模式、确认真假 | 深层逻辑、stripped 二进制 |
1. 静态分析:先圈出 "嫌疑位置"
- 扫出危险调用(strcpy 类)和栈缓冲声明;
- 做污点跟踪:外部输入是否未经检查流到拷贝长度;
- 用代码属性图(CPG)、程序切片把跨函数、跨文件的数据流拼出来,避免只看一个片段漏掉;
- 输出候选清单,交给下一步,不直接定罪。
2. 符号执行:算出 "到底要喂什么才溢出"
以 SAILOR 框架为例,三阶段:
- 静态分析定位候选点,生成漏洞规格;
- LLM 根据规格自动合成驱动、stub 和断言,对着编译器和符号执行反馈反复改;
- 符号执行沿路径解约束,得出具体触发条件,再用真实执行回放验证。
结果:在 10 个开源 C/C++ 项目共 680 万行代码里发现 379 个此前未知的内存安全漏洞、421 次确认崩溃;去掉静态分析候选命中数掉 12.2 倍,去掉 LLM 迭代合成就确认不了任何漏洞,去掉符号执行则谁都找不出超过 12 个。
3. Agentic 模糊测试:用输入把崩溃撞出来
- 传统 fuzzer 靠随机海量输入碰运气,选目标、写 harness、判断崩溃有效性都要人做;
- AI Agent 负责这三个判断环节,进化搜索引擎负责搜索,产出带字节级精准 payload 的已确认漏洞;
- 2026 年 10 月发布的 STAR Fuzzer 首次开源测试在 45% 被测项目中发现高危 / 严重漏洞,上线首月在 Crystal 标准库、htop、RIOT OS 等 8 个项目产出 10 个已公开漏洞。
4. LLM 直接读码:补程序分析的盲区
- Anthropic 的 Opus 4.6 可以不依赖专用工具,像研究者一样读代码:看历史补丁找同类未修复问题、识别问题模式、想清什么输入能打穿逻辑,在跑了几百万小时 fuzz 的老代码库里找到潜伏数十年的高危漏洞;
- 对没有符号的 stripped 二进制,用 Ghidra 反编译后,再补回恢复出的栈区、调用图、p-code 特征,分 "粗筛→精筛→确认" 三阶段让 LLM 推理,在 NIST Juliet 数据集和真实 CVE 配对二进制上验证可行。
三、完整流水线:AI 发现栈溢出的六步
- 入库扫描: 静态分析全量扫危险函数、缓冲区、数据流,生成候选点;
- 上下文增强: 用 CPG / 程序切片把候选点上下游函数、调用图、栈布局喂给 LLM,避免断章取义;
- 双路并进: 一路 LLM 写符号执行 harness 解出触发路径,一路 Agentic fuzzer 生成进化输入撞崩溃;
- 崩溃判真: LLM 判断崩溃是栈越界写还是无害的空指针 / 内存耗尽,去重并打置信度;
- 真实回放: 在未修改源码上具体执行,复现崩溃、给出字节级 payload;
- 输出报告: 漏洞位置、触发输入、影响、修复建议一起交付。
四、AI 不是万能的:三个边界
- 会误报: 静态圈出的 "危险函数" 可能实际有长度保护,必须靠符号执行 / 回放验真;
- 会幻觉: 长上下文里 LLM 可能编造不存在的调用,需要程序分析约束;
- 覆盖不了全部: 深层路径爆炸、依赖环境缺失仍会漏,所以是辅助增强人,不是替代审计。
五、一句话总结
AI 发现栈溢出,本质是让程序分析干 "找位置"、符号执行干 "算输入"、fuzzer 干 "撞崩溃"、LLM 干 "判真假",最后用可复现 payload 收尾;四件事拼起来,才把以前靠人逐行读、fuzzer 碰运气的活变成可规模化的流水线。
【相关 FAQ】
问题 1:AI 发现栈溢出为什么不能只靠大模型直接读代码?
回答 1:纯 LLM 读栈溢出代码会受 token 限制、跨函数数据流丢失和长上下文幻觉影响,容易漏报或误报;所以 AI 发现栈溢出要配合静态分析圈候选、符号执行算路径、模糊测试撞崩溃,LLM 只负责补上下文和判真假。
问题 2:AI 是怎么算出能触发栈溢出的具体输入的?
回答 2:靠符号执行:LLM 先按静态分析圈出的候选点自动写 harness 和断言,符号执行把输入当符号沿代码路径解约束,得出能写穿栈的具体输入,再在真实源码上回放确认,SAILOR 在 680 万行 C/C++ 里用这套方法找到 379 个内存安全漏洞。
问题 3:传统模糊测试不是也能发现栈溢出吗,AI 加在哪里?
回答 3:传统模糊测试只负责随机 / 进化撞输入,选目标、写 harness、判断崩溃是不是真栈溢出都靠专家;AI 发现栈溢出时 Agent 负责这三个判断环节,搜索仍由进化引擎执行,产出字节级可复现 payload,STAR Fuzzer 首月就在 8 个开源项目产出 10 个已公开漏洞。
问题 4:没有源码的 stripped 二进制里,AI 怎么发现栈溢出?
回答 4:先用 Ghidra 反编译,再把恢复出的栈区、调用图、p-code 特征作为上下文喂给分三阶段的 LLM Agent 粗筛、精筛、确认,在 NIST Juliet 数据集和真实 CVE 配对二进制上验证了这种上下文增强方式可以识别栈缓冲区溢出行为。
【参考资料】
- [2026-11-21](安恒信息申请漏洞检测方法相关专利,大模型赋能高效精准降耗的网络漏洞检测作用)新浪财经
- [2026-10-26](Bright Security 发布 STAR Fuzzer,Agentic 模糊测试自动生成 harness 验证漏洞)FreeBuf
- [2026-10-23](Claude 狂写 1.8 亿行证明,万亿次测试漏掉的 Bug,被 AI 一锅端)36 氪
- [2026-08-24](Towards stack buffer overflow detection in stripped binaries with context-augmented LLMs)Springer《Journal of Computer Virology and Hacking Techniques》
- [2026-08-19](Research on LLM-Based Code Audit Agent Framework Integrating FV-RAG and Program Analysis for Vulnerability Detection)ACM
- [2026-04-01](Guiding Symbolic Execution with Static Analysis and LLMs for Vulnerability Discovery / SAILOR)arXiv
- [2026-03-01](Bridging Code Property Graphs and Language Models for Program Analysis / codebadger)arXiv
- [2026-02-05](LLM-discovered 0 days)Anthropic
【免责声明】
本文基于公开论文、厂商发布与媒体报道整理,各框架实验数据来自其特定数据集与代码库,换项目、换模型后结果会有差异;漏洞检测涉及攻防技术,本文仅作原理科普,请勿用于未授权测试,实际漏洞处置以安全团队复现验证为准。
本文来自作者[虚锋采样]投稿,不代表品途网立场,如若转载,请注明出处:https://bbs.pintu360.com/kjxx/202611/1488177.html
评论列表(4条)
我是品途网的签约作者“虚锋采样”!
希望本篇文章《AI 发现栈溢出静态圈候选、符号算输入、模糊撞崩溃,最后人工验真》能对你有所帮助!
本站[品途网]内容主要涵盖:范文、经验、百科
本文概览:核心结论先行: AI 发现栈溢出不是 "读一眼代码就报警 ",而是一套组合流水线:先用静态分析把危险函数和无校验的拷贝圈成候选点,再让 LLM 自动生成符号执行 harness、由符号执行算出 "什么样的输入能把栈写穿 ",同时用 Agentic 模糊测试用进化输入去撞真实崩溃,最后由 LLM 结合上下文判断这是真漏洞还是误报,并给出字节级可复现 payload。单独任何一招都不够:纯静态分析误报高,纯模糊测试撞不到深层路径,纯 LLM 看代码会幻觉,所以 2026 年主流做法是把程序分析、符号执行、模糊测试和大模型推理拼在一起。下面按 "栈溢出怎么形成→AI 怎么一步步找到它 " 拆开讲。