一篇 2024 年發表於 USENIX Security 的論文指出，不改變控制流程僅操縱程式資料的「資料型攻擊」，其實比過去認為的更常見且更容易利用。研究人員開發了 Einstein 管線，利用動態污點分析自動產生這些攻擊，證明了其實際可行性。
Einstein 管線透過串接檔案描述符和其他資料類型來鎖定易受攻擊的系統呼叫，產生修改參數而非程式執行路徑的攻擊程式。這種方法透過專注於現有程式邏輯中的資料操縱，簡化了利用過程。
這挑戰了長期以來認為資料型攻擊過於小眾或複雜而不具實際威脅的假設，顯示它們對現代軟體構成顯著風險。研究強調需要更好的偵測工具，特別是結合大型語言模型（LLM）和污點分析的工具，以識別商業邏輯中的漏洞。
事件背景
資料型攻擊是一類透過修改程式資料（如變數或系統呼叫參數）來影響程式行為，而不改變其控制流程（指令執行的順序）的利用方式。與跳至惡意程式碼的傳統控制流程劫持攻擊不同，這類攻擊依賴程式以惡意輸入執行預期的邏輯，例如濫用退款政策等商業規則。
社群觀察
社群成員指出，雖然靜態分析和模糊測試早已識別出資料型攻擊，但大型語言模型使其更容易發現。討論強調真正的危險在於商業邏輯的濫用，例如電商退款詐欺，這比技術性利用更難偵測，並建議投資於更好的污點分析工具。
