대규모 환경에서의 바늘 찾기: Windows 취약점 연구를 위한 LLM 지원 대상 선정

요약

Windows 운영체제의 방대한 바이너리 중 취약점 분석 가치가 높은 함수를 선별하는 LLM 기반 파이프라인을 제안합니다. Symbolicate-Enrich-Sample 방식을 통해 수백만 개의 함수를 분석 가능한 수준의 우선순위 목록으로 압축합니다.

핵심 포인트

• Windows 전체 범위의 함수를 대상으로 하는 저비용 배치 파이프라인 제시
• 심볼 복구 및 구조적 특징을 활용한 함수 수준의 위험도 할당
• LLM을 사용하여 도달 가능성, 위험 수준, 버그 클래스 가설 생성
• 720만 개의 함수를 약 22,000개의 핵심 후보로 효율적으로 압축