2025 · 会议论文
释放大语言模型潜力：从协议实现推断状态机
Unleashing the Power of LLM to Infer State Machine From the Protocol Implementation
ProtocolGPT 借助检索增强的大语言模型，从协议实现源码推断协议状态机。它先用正则表达式和代码过滤器提取与状态机相关的代码，再按语法感知方式切分，以 OpenAI 嵌入存入 FAISS 向量库，并逐步提示 GPT-4 恢复状态及由报文触发的迁移。在五个开源代码库中的六种协议（IKEv2、TLS 1.3、TLS 1.2、BGP、RTSP 与 L2TP）上，作者报告迁移精确率超过 90%，精确率比基线高 30% 以上、召回率高 55% 以上。以推断出的状态机为 AFLNet 生成种子后，覆盖率提升 20% 以上，并在一个 RTSP 服务器中发现两个此前未知的崩溃漏洞。
研究范围与局限
方法需要源码，不能仅依靠二进制或流量。每个实现都因具有明确定义的状态而入选，结果仅覆盖所评估的六种协议，其中两种共用 s2n-tls 代码库。真实标签由三名专家根据仓库代码人工构建；精确率与召回率只计算完全正确的迁移。RFCNLP 在 RTSP 上的精确率更高。结果依赖通过商业 API 调用、温度为 0.2 的 GPT-4，输出与成本可能变化。推断出的状态机是大语言模型的归纳，并非对实现行为或等价性的证明。模糊测试的提升来自 AFLNet 种子；BGP 由事件驱动的迁移限制了基于报文的覆盖率。两个崩溃漏洞均位于 feng RTSP 服务器中。
与本合集的关联
补充借助大语言模型从协议实现源码恢复状态机的研究，与本合集中基于流量、借助二进制及灰盒的状态推断研究互补。
发表与复核详情
- 发表载体
- IWQoS 2025
- 发表状态
- 会议论文
- 出版／提交日期
- 2025 年（具体日期未核实）
- 日期依据
- 出版方提交的 Crossref 元数据确认出版年份为 2025 年。其印刷日期 2025 年 7 月 2 日同时也是该元数据所记 7 月 2 日至 4 日研讨会的首日，且无法自动访问 IEEE Xplore 以确认具体出版日，因此不记录更精确的日期。
- arXiv 首次提交
- 2024 年 5 月 1 日
- arXiv
- 2405.00393
- 已复核的 arXiv 版本
- v4
- DOI
- 10.1109/IWQoS65803.2025.11143461
Crossref 确认十位作者顺序、IWQoS 2025 会议论文集、第 1–10 页及 DOI；IEEE 标题中“From”首字母大写，arXiv 则为“from”。IEEE Xplore 拒绝自动访问，因此未将正式出版 PDF 与 arXiv 版本比对。所审阅的 2025-03-27 arXiv v4（v1 为 2024-05-01）没有期刊引用或会议备注。其基准固定了 strongSwan f994e0a、s2n-tls 025f3b2、openbgpd 08b59c1、feng d302a1c 与 openl2tp be6c288；实验在 32 GB 内存、i7-12700、Ubuntu 20.04 机器上调用 GPT-4。该版本称源码与实验数据将在论文录用后发布，但 arXiv 与论文均未链接任何发布。GitHub 仓库 s1awwhy/ProtocolGPT 使用论文标题并含 Python 脚本，但没有许可证，论文未链接，也无法确认其与作者的关系，因此未列为代码。论文称开发者已确认两个 RTSP 漏洞，但未给出 CVE 编号。本次仅阅读资料，未运行代码、模型或模糊测试。
来源复核于
本合集仅做来源复核，未重新运行论文实验。请通过原始论文或 BibTeX 引用原作者。