摘要
抽象软件渗透到我们世界的方方面面，从我们的家到提供关键任务服务的基础设施。随着软件系统规模和复杂性的增加，软件安全缺陷的数量和复杂性也随之增加。对这些缺陷的分析最初是以手动方法进行的，但很快就发现，单靠手动方法是无法扩展的，而且必须使用工具来协助人类专家完成这项任务，从而产生了许多技术和方法，使脆弱性分析过程的某些方面实现自动化。最近，DARPA开展了Cyber Grand Challenge，这是一项自主脆弱性分析系统之间的竞争，旨在将工具辅助的以人为中心的范式推进到完全自动化领域，希望通过消除人为因素，分析能够达到新的高度。然而，当自主系统与人类专家进行对比时，很明显，某些任务尽管简单，但无法由自主系统执行，因为它们需要了解所分析应用程序的逻辑。基于这一观察，我们提出了脆弱性分析范式的转变，从工具辅助的以人为中心转向以人为辅助的以工具为中心。在此范例中，自动化系统协调漏洞分析过程，并利用人员（具有不同的专业水平）执行定义良好的子任务，其结果集成在分析中。因此，可以将分析扩展到更多的程序，同时优化昂贵人力资源的使用。在本文中，我们详细介绍了人工辅助的自动漏洞分析系统的设计，描述了其在参与Cyber Grand Challenge的开源自主漏洞分析系统上的实现，并评估和讨论非专家人工协助可为自动化分析方法提供的重大改进。
介绍
尽管这些系统取得了成功，但基本方法仍存在一些局限性。当一些CGC自治系统参与后续脆弱性分析竞赛（DEFCON CTF）时，这些限制变得明显，其中包括人类团队。自治系统无法轻松理解某些应用程序的基本逻辑，因此，它们无法轻松生