HiFuzz: 의미론적 인식 및 적응형 CPU 퍼징을 위한 계층적 강화학습

요약

본 논문은 기존 변이 기반 퍼징의 한계를 극복하기 위해 HiFuzz라는 새로운 계층적 강화학습(HRL) 프레임워크를 제안합니다. 이 프레임워크는 전역 레이아웃과 명령어 채우기를 구조화된 두 개의 에이전트로 분리하여 처리하며, 적응형 보상 메커니즘을 통해 효율적인 버그 탐지를 가능하게 합니다.

핵심 포인트

• HiFuzz는 계층적 강화학습(HRL) 기반의 퍼징 프레임워크입니다.
• 전통적인 변이 방식 대신 구조화된 두 에이전트가 작동합니다.
• 적응형 커버리지 보상과 의미론적 인코더를 통합했습니다.
• RISC-V 코어 평가에서 기존 기술보다 우수한 성능을 입증했습니다.