Dùng Gemini và Z3 để tìm lỗi Go mà fuzzing bỏ sót
Một kỹ sư của Google đã kết hợp Gemini 4 Argon và bộ giải ràng buộc Z3 để phát hiện các panic khi chạy trong mã Go mà phương pháp fuzzing tiêu chuẩn không thấy được, qua đó phơi bày những điểm mù trong việc xử lý dung lượng slice.
Được dịch tự động từ bản gốc tiếng Anh.
Một kỹ sư của Google dẫn dắt chương trình agent skills đã phát triển một quy trình kiểm thử lai ghép, kết hợp các mô hình ngôn ngữ lớn với giải ràng buộc chính thức để khám phá những lỗi tinh vi trong ứng dụng Go. Được công bố vào giữa tháng 11 năm 2026, phương pháp này sử dụng Gemini 4 Argon để chuyển đổi mã assembly đã biên dịch thành các ràng buộc logic cho bộ giải Z3, giúp xác định thành công các sự cố crash mà các công cụ fuzzing tiêu chuẩn đã bỏ qua do những đặc thù của môi trường runtime.
Chuyện gì đã xảy ra
Nhà phát triển đã tạo ra skill-lint, một giao diện dòng lệnh viết bằng Go nhằm mục đích xác thực và chỉnh sửa các tệp SKILL.md cho các AI agents. Mặc dù có một bộ bài bản các unit test và fuzz test, công cụ này vẫn dễ bị ảnh hưởng bởi các panic khi chạy gây ra bởi lỗi off-by-one hoặc các thao tác slice sai trong các parser Markdown. Những lỗi này thường tiềm ẩn cho đến khi các mẫu đầu vào cụ thể và bất thường kích hoạt chúng trong môi trường production, làm nổi bật hạn chế của các phương pháp kiểm thử truyền thống đối với logic phân tích phức tạp.
Để giải quyết vấn đề này, kỹ sư đã xây dựng một workflow biên dịch các hàm quan trọng sang RISC-V assembly và sử dụng Gemini 4 Argon để phân tích các bounds check còn sót lại. Mô hình chuyển đổi các kiểm tra này thành các quy tắc cho bộ giải ràng buộc Z3, sau đó Z3 xác định xem liệu có đầu vào nào thỏa mãn điều kiện gây ra crash hay không. Quy trình này đã xác định ba lỗi tiềm ẩn trong skill-lint và phát hiện thành công cả ba lỗi nhân tạo được cài đặt để thử nghiệm, bao gồm các trường hợp mà fuzzer Go tiêu chuẩn không tìm ra vấn đề ngay cả sau nhiều lần chạy kéo dài.
Cuộc điều tra tiết lộ rằng fuzzer của Go thường bỏ sót các lỗi out-of-bounds vì nó thường truyền các slice có dung lượng dự phòng (spare capacity). Khi một slice có dung lượng vượt quá chiều dài của nó, việc truy cập các chỉ số vượt quá chiều dài nhưng nằm trong dung lượng sẽ không gây ra panic, che giấu lỗi. Bằng cách cắt giảm dung lượng slice xuống bằng với chiều dài của nó trong quá trình kiểm thử, fuzzer đã có thể phát hiện ngay lập tức các crash tương tự, nhưng phương pháp dùng solver cung cấp một cách tiếp cận hệ thống hơn để tìm ra những vấn đề này mà không phụ thuộc vào yếu tố ngẫu nhiên.
Cách thức hoạt động
Trình biên dịch Go bao gồm một bước tối ưu hóa gọi là SSA prove, loại bỏ các bounds check mà nó có thể chứng minh là an toàn về mặt toán học. Tuy nhiên, một số kiểm tra vẫn tồn tại trong mã máy đã biên dịch dưới dạng các explicit trap, sẽ kích hoạt panic khi chạy nếu bị vi phạm. Workflow mới nhắm mục tiêu vào các trap còn sót lại này bằng cách biên dịch mã Go với các cờ cụ thể để tạo ra danh sách assembly và nhật ký debug cho việc loại bỏ bounds check. Điều này cung cấp một bản đồ chính xác về những nơi mà trình biên dịch không thể đảm bảo tính an toàn.
Gemini 4 Argon phân tích cả mã nguồn Go gốc và mã RISC-V assembly được tạo ra. Nó xác định đường dẫn đến từng bounds check trap còn lại và chuyển đổi các điều kiện logic thành một script cho bộ giải ràng buộc Z3. Sau đó, Z3 cố gắng giải các ràng buộc này để tìm các giá trị đầu vào cụ thể sẽ kích hoạt panic. Nếu Z3 tìm thấy một giải pháp, workflow sẽ tạo ra một test case Go cụ thể tái hiện lại crash, xác nhận lỗi tồn tại.
Phương pháp này tận dụng khả năng hiểu cấu trúc mã của LLM và độ chính xác của solver trong suy luận logic. Trong khi LLM xử lý nhiệm vụ phức tạp là chuyển đổi các chỉ thị assembly thành ràng buộc cho solver, Z3 đảm nhận phần nặng nhọc là kiểm tra tính thỏa mãn (satisfiability). Toàn bộ quy trình mất khoảng một phút cho mỗi hàm, với việc chuyển đổi bởi LLM là nút thắt cổ chai và Z3 giải các ràng buộc chỉ trong vài mili giây, khiến nó khả thi cho việc phân tích có mục tiêu các hàm quan trọng.
Chi tiết chính
- Workflow sử dụng Gemini 4 Argon để chuyển đổi Go assembly thành các ràng buộc Z3, tập trung vào các bounds check còn sót lại sau khi trình biên dịch tối ưu hóa.
- Fuzzing Go tiêu chuẩn đã bỏ sót hai lỗi được cài đặt vì nó hiếm khi tạo ra các slice có dung lượng bằng với chiều dài, cho phép các đọc out-of-bounds âm thầm thành công.
- Việc cắt giảm dung lượng slice xuống bằng chiều dài trong các fuzz test (
data[:len(data):len(data)]) cho phép fuzzer phát hiện các crash tương tự trong vòng chưa đầy một giây. - Bộ giải đã xác định ba lỗi tiềm ẩn trong skill-lint, bao gồm các chỉnh sửa chunk chồng lấn và tính toán số dòng không chính xác sau khi xóa.
- Z3 trả về "sat" khi tồn tại một đầu vào gây crash và "unsat" khi không tìm thấy đầu vào như vậy, cung cấp một tín hiệu rõ ràng cho các lỗi tiềm năng.
- Phương pháp này chỉ giới hạn ở các pure function và không phát hiện data race hoặc deadlock, những thứ vẫn cần đến Go race detector.
Tại sao điều này quan trọng
Đối với các nhà phát triển xây dựng ứng dụng Go vững chắc, đặc biệt là những ứng dụng liên quan đến parser hoặc chuyển đổi dữ liệu, phương pháp này làm nổi bật một điểm mù đáng kể trong các thực hành kiểm thử tiêu chuẩn. Việc chỉ dựa vào fuzzing có thể để lại các edge case quan trọng chưa được kiểm thử nếu chiến lược sinh đầu vào của fuzzer không phù hợp với yêu cầu bố cục bộ nhớ cụ thể của lỗi. Hiểu cách dung lượng slice tương tác với bounds checking là rất cần thiết để viết mã an toàn và ổn định.
Việc tích hợp LLM với các công cụ xác minh chính thức cung cấp một giải pháp trung gian thực tế giữa code review thủ công và full theorem proving. Nó cho phép các kỹ sư áp dụng phân tích logic chặt chẽ cho các hàm rủi ro cao cụ thể mà không phải chịu chi phí overhead của việc mô hình hóa toàn bộ ứng dụng. Phương pháp lai ghép này có thể bắt được các integer overflow tinh vi và lỗi logic khó phát hiện chỉ bằng cách nhìn vào mã nguồn, cải thiện độ tin cậy tổng thể của hệ thống phần mềm.
Nghiên cứu tình huống cũng chứng minh tầm quan trọng của việc hiểu mã máy cơ sở khi gỡ lỗi các vấn đề trong ngôn ngữ cấp cao. Bằng cách xem xét đầu ra assembly, các nhà phát triển có thể thấy chính xác cách trình biên dịch diễn giải mã của họ, bao gồm bất kỳ chuyển đổi kiểu ngầm định hoặc tối ưu hóa nào có thể đưa vào lỗ hổng bảo mật. Cái nhìn sâu sắc hơn này có thể dẫn đến các thực hành lập trình tốt hơn và chiến lược kiểm thử hiệu quả hơn.
Bạn có thể làm gì
- Cắt giảm dung lượng slice xuống bằng chiều dài trong các fuzz test của bạn bằng cách sử dụng
data[:len(data):len(data)]để đảm bảo các truy cập out-of-bounds kích hoạt panic. - Sử dụng
go build -gcflags="-S -d=ssa/check_bce/debug=1"để xác định những bounds check nào còn sót lại sau khi trình biên dịch tối ưu hóa trong các hàm quan trọng. - Trích xuất các pure function từ logic ứng dụng của bạn để phân tích có mục tiêu, để lại các I/O và network call cho các integration test tiêu chuẩn.
- Cân nhắc sử dụng các bộ giải ràng buộc như Z3 để xác minh logic phức tạp trong parser hoặc các phép toán toán học nơi fuzzing ngẫu nhiên kém hiệu quả.
- Xem xét đầu ra assembly để tìm các truncation kiểu bất ngờ hoặc di chuyển thanh ghi có thể ảnh hưởng đến logic bounds checking.
- Kết hợp các công cụ phân tích tĩnh với kiểm thử động để bao quát cả tính đúng đắn logic và hành vi runtime một cách toàn diện.


