BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20230101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20240325T140000
DTEND;TZID=America/Sao_Paulo:20240325T150000
DTSTAMP:20260408T032022
CREATED:20240320T184655Z
LAST-MODIFIED:20240320T184655Z
UID:9015-1711375200-1711378800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Dago de Renteria y Melissa Regnier
DESCRIPTION:Título: Fuzzing de smart contracts: EchidnaAFL\nDirectores: Juan Pablo Galeotti y Diego Garbervetsky (DC/ICC)\nJurados:\n– Victor Braberman (DC/ICC)\n– Gustavo Grieco (Trail of Bits) \nResumen:\nEn los últimos años\, han cobrado popularidad y gran capital financiero las tecnologías blockchain y en particular Ethereum\, que introdujo el concepto de smart contracts que permitió el desarrollo de una gran variedad de proyectos. Esto dio lugar a la investigación y desarrollo de herramientas de testing de smart contracts\, en particular fuzzing. En esta tesis\, en búsqueda de una herramienta para extender\, llevamos a cabo en primer lugar un análisis del estado del arte de las herramientas de fuzzing existentes\, lo que nos llevó a elegir a Echidna\, debido a su popularidad\, simpleza de extensión y disponibilidad de código y desarrolladores. En base a esto\, realizamos una investigación de reverse-engineering que nos permitió documentar extensamente el algoritmo de Echidna\, obteniendo diversos diagramas que disponibilizamos para el uso de la comunidad. Una vez hecho esto\, implementamos una versión de Echidna que incorpora conceptos de la herramienta AFL Fast\, que asigna energía a los elementos del corpus en función de la frecuencia del camino explorado por cada elemento. Además\, implementamos una versión random que asigna energías uniformes para utilizar como testigo en el análisis. Finalmente\, mediante el uso de tres distintos benchmarks\, comparamos los resultados obtenidos por las tres distintas versiones y concluimos que la adaptación implementada obtiene resultados equivalentes a la original pero con un overhead de tiempo significativo\, mientras que la versión random también obtiene resultados similares sin ningún overhead de tiempo. Esto nos lleva a concluir que la estrategia de elección de elementos de corpus no pareciera influir lo suficiente en la eficiencia de la herramienta ya que su comparación con random que representa la elección trivial de elementos de corpus resulta en el mismo nivel de performance. Como trabajo futuro\, se pueden seguir explorando los resultados observados haciendo uso de benchmarks más complejos y extensos que permitan otorgarle mayor confianza a lo concluido o incluso proponer nuevas estrategias de feedback utilizando la documentación provista en esta tesis para facilitar el desarrollo. \nPalabras claves: Ethereum\, smart contracts\, fuzzing\, Echidna\, AFL-Fast\, feedback\, elección de elementos de corpus.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-dago-de-renteria-y-melissa-regnier/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR