安全日报·AI 安全漏洞分析

微软FORGE Lab用智能体工具审查Rust标准库,归纳3类“错误信任”缺陷模式

内容以原始来源为准;如有更新或更正,以厂商与安全团队公告为准。

11月9日,微软FORGE Lab披露其使用内部AI漏洞扫描系统Hyenas(代号MDASH的研究版本)审查Rust标准库unsafe代码的成果,相关缺陷已提交Rust问题跟踪系统,发布时仍有两个问题处于开放状态。研究把问题归为3类错误信任:相信被调用的代码不会panic、相信调用方提供的trait实现符合预期、相信底层系统的行为。典型案例是MapWindows::clone(issue #156501):Buffer在写入元素之前就已构造完成并挂上析构器,随后self.as_array_ref().clone()会执行用户提供的T::clone,一旦该实现panic并触发栈展开,析构器便对N个未初始化值执行drop_in_place,而触发条件可以完全由安全代码构造,例如让clone总是panic的元素类型;修复方式是用ManuallyDrop暂存半成品缓冲区,使展开时泄漏而不是析构。

另一类问题出现在依赖AsRef等调用方实现的位置:同一对象两次as_ref可能返回长度不同的切片,若unsafe代码只在第一次做边界检查,第2次读取就会越界。文章指出,Rust的所有权与类型系统消除的是整类内存安全问题,但Vec、String等安全API底下仍然是unsafe代码,一旦安全契约被打破,安全Rust同样会遇到未定义行为。团队此前还做过Rust生态静态分析工具Rudra。

参考链接:

本文由「揽一晚清梦」整理与撰写,转载请注明出处。文中的外部链接均指向原始来源。