基于动态字节码插桩的软件供应链风险精确检测方法（SSCRPDM）

《Aerospace》：Software Supply Chain Risk Precise Detection Method (SSCRPDM) Based on Dynamic Bytecode Instrumentation

　　

随着卫星载荷的软件化以及6G非地面网络（NTN）的发展，保障星载软件供应链的安全对于关键任务空间通信变得至关重要。传统的静态软件组成分析（SCA）在资源受限的卫星环境中常常产生过多的误报。为了解决这个问题，本文提出了SSCRPDM，一种基于字节码插桩的CVE导向的静态-动态风险检测方法。SSCRPDM解析CVE语义以指导函数级最小插桩，通过联合考虑运行时可达性、参数可控性和清除器有效性来量化风险，并采用确定性的概念验证（PoC）验证作为主要决策机制，大型语言模型仅用于辅助解释。具体来说，SCA首先识别包含已知漏洞的组件。然后运行时插桩追踪关键调用路径并验证易受攻击函数的可达性。最后，在当前防御上下文中执行特定CVE的PoC载荷以确定实际可利用性。实验结果表明，SSCRPDM有效过滤了由“僵尸组件”引起的警报，并通过可利用性验证显著提高了评估准确性。通过桥接静态版本匹配和动态威胁验证，SSCRPDM大幅减少了误报，并为卫星软件供应链治理提供了精确且主动的解决方案。

随着软件定义卫星（SDS）和6G非地面网络（NTN）的融合，现代空间通信系统日益依赖第三方和开源组件的复杂生态系统，这种组件化架构在加速空天地海一体化服务部署的同时，也引入了前所未有的软件供应链安全风险。传统静态软件组成分析（SCA，Static Software Composition Analysis）通过版本匹配已知漏洞数据库（如NVD和CVE）来识别风险组件，但在资源受限的卫星环境中产生大量误报。许多含漏洞代码的组件在运行时从未被加载或调用，成为“僵尸组件”，导致“修补一切”策略消耗大量遥测与指令带宽，并可能引入回归风险。为解决静态分析忽视运行时调用上下文、无法区分潜在风险与实质威胁的问题，研究人员提出了一种基于动态字节码插桩的软件供应链风险精确检测方法（SSCRPDM）。该方法通过解析CVE语义将组件级漏洞描述转化为函数级插桩目标，联合评估运行时可达性、参数可控性、清除器有效性和可利用性，并采用确定性概念验证（PoC，Proof-of-Concept）验证作为主要决策机制，大型语言模型（LLM，Large Language Model）仅用于辅助语义解释，从而形成从静态候选发现到运行时可达性分析再到可利用性确认的闭环流程。实验结果表明，SSCRPDM能有效过滤僵尸组件引发的警报，显著降低误报率，为卫星软件供应链治理提供了精确、主动的解决方案。该论文发表在《Aerospace》期刊。

研究人员主要采用了以下关键技术方法：首先，利用SCA工具构建依赖图，通过组件名称、版本与CVE记录匹配生成候选风险组件集；其次，解析CVE语义、CWE类别、安全公告和补丁信息，提取风险函数（例如触发入口、敏感汇点、清除器函数），并生成最小插桩策略；然后，基于Java Instrumentation API的Java Agent在类加载时对目标方法进行字节码增强，记录运行时调用上下文、参数来源、清除器执行等观测数据，计算运行时可达性系数和参数可控性变量；最后，对可达且参数可控的风险路径执行特定CVE的PoC重放，在隔离环境中验证可利用性，并结合规则约束的LLM辅助语义分析进行风险分级。

研究结果部分如下：

**5.1 Dataset Construction（数据集构建）**：研究人员使用Trickest CVE仓库（包含1999至2025年超过30万条CVE记录）和Goblin Maven中央依赖图数据集（2024-08-30版本），通过Cypher查询确认目标组件（如fastjson和log4j-core）的依赖关系，构建了包含组件ID、版本、依赖边及作用域的依赖图。

**5.2 Experimental Workflow（实验流程）**：实验流程分为SCA扫描、可达性分析和PoC验证三个阶段。在Maven项目中通过pom.xml扫描风险组件，部署字节码插桩Agent监控关键风险方法，对触发的风险路径构造特定载荷执行重放攻击，若插桩日志捕获恶意载荷且无清除证据，则判定为确认威胁。

**5.3 Process Implementation（过程实现）**：以Fastjson反序列化漏洞为例，SCA扫描发现fastjson组件存在风险，对JSON.parse()方法进行字节码增强。运行时日志显示探针成功识别目标服务器环境，并在底层进程创建方法（如java.lang.UNIXProcess）等关键点植入监控逻辑。PoC验证阶段发送恶意JSON载荷，日志记录数据流经FastJsonServlet.doGet、JSON.parseObject，并触发TemplatesImpl gadget链，最终调用java.lang.ProcessBuilder.start执行系统命令，验证了风险路径的可达性和可利用性。

**5.4 Result Analysis（结果分析）**：通过精确率（Precision）评估效果。传统SCA报告50个风险组件，精确率仅6%；动态可达性分析排除了76%未在运行时调用的警报，精确率提升至25%；最终PoC验证确认仅3个组件具有实际可利用性，精确率达到100%。对比CVSS与RS（风险评分）显示，RS与EPSS（可利用性预测评分）的Pearson相关系数高达0.9232，强于CVSS与EPSS的0.3253，表明RS更贴合实际威胁场景。实验验证了闭环检测逻辑的正确性，即仅靠静态版本匹配不足以表征风险，需结合运行时调用链才能确认实质性危害。

**5.5 Runtime Validation on the Yamcs System（Yamcs系统运行时验证）**：在开源航天任务控制系统Yamcs中模拟地面控制网关，部署SSCRPDM Java Agent，注入遥测（TM）流和遥控（TC）请求。传统SCA暴露142个潜在漏洞，动态可达性分析将僵尸组件剥离至18个，最终PoC验证确认仅2个漏洞未被有效清除器拦截，实现了从大规模静态噪声到关键威胁的精确收敛，超过85%的含漏洞组件未被核心遥测处理线程调用。

**5.6 Resource Expenditure（资源开销）**：在模拟在轨资源受限环境中，对比启用与未启用SSCRPDM时的性能。未启用时CPU利用率在19%-31%间波动，内存约119-128 MB；启用后CPU平均额外开销7.01%，内存绝对增量约9.2 MB，表明该机制具有轻量级优势，不影响主业务执行效率。

**5.7 Accuracy of LLM Engine（LLM引擎准确性）**：使用LLM（GPT-3.5）自动解析运行日志和CVE列表，对50个已知CVE样本进行风险分类。与传统SCA产生38个误报相比，LLM通过理解调用链语义，将未在栈中出现的组件标记为低风险，减少了94.7%无效警报。以PoC验证结果为基准，LLM分类器在二分类（可利用/不可利用）上的精确率为0.95，召回率0.92，F1分数0.93，三分类宏平均准确率94%。LLM生成的高风险修复建议中，83%可直接应用而不需修改。

讨论部分指出，SSCRPDM主要适用于能通过动态插桩捕获运行时行为的Java应用，其核心优势在于在不修改业务逻辑的前提下将静态依赖风险转化为函数级运行时证据。对于罕见执行分支（如边缘异常处理）可能导致的漏报，通过持续在轨长期监测来累积覆盖。与现有方法相比，SSCRPDM创新性地将静态漏洞发现与运行时可利用性确认在函数级链接。LLM模块通过固定提示模板、低温度推理和运行时验证确保了可复现性，最终风险评分不由LLM单独决定。

研究结论部分翻译如下：该研究成功实现了软件供应链中风险组件的精确检测与影响评估。研究人员提出并实现了一种名为SSCRPDM的创新方法，这是一个集成SCA版本检测、动态可达性分析和自动PoC验证的闭环风险评估框架，能有效识别实际被调用的高风险组件并映射其漏洞触发路径。相比仅依赖静态或动态分析的传统工具，SSCRPDM利用字节码插桩过滤掉引入但未加载的“僵尸组件”，并通过PoC验证消除被业务逻辑拦截或过滤的无效风险，实现了从“理论风险”到“确认威胁”的精确收敛。实验表明，代码可达性不等于可利用性，只有当PoC验证证明数据流在风险点未被清除时，漏洞才能被确认为严重。通过Yamcs航天任务控制系统仿真实验，进一步证明了该方法在真实空间通信场景中的可行性且性能开销极低。此外，论文利用LLM结合CVE描述与动态调用链自动生成特定版本验证载荷，提高了PoC验证的精确性并降低了人工成本。未来工作将克服CVE数据库的局限性，聚焦于未知（零日）漏洞的发现，通过监控底层敏感方法的异常触发行为，实现供应链组件中潜在未知漏洞的自动挖掘，从而进一步增强系统的主动防御效能。