Bulkhead: 컨테이너 이스케이프 취약점의 자동화된 의미 기반 탐지 및 수정

Bulkhead: Automated Semantic Detection and Remediation of Container Escape Vulnerabilities

컨테이너 환경에서 파일 시스템 격리는 종종 경계 간 경로 오해석으로 인해 경로 탐색(PaTra) 취약점을 야기합니다. 이러한 취약점은 호스트-컨테이너 간의 불안전한 상호 작용에서 비롯되며, 클라우드 시스템이 AI 워크로드를 지원하기 위해 GPU 및 에이전트 작업 공간과 같은 공유 리소스를 컨테이너에 마운트함에 따라 점점 더 만연하고 있습니다. 기존 방어 기법은 여전히 ​​불충분합니다. 커널 수준 보호는 침투적이며 시스템 호출을 불안정하게 만들 수 있으므로 Linux 메인라인에 채택되지 않았습니다. 탐지 방법은 정적 규칙 매칭 또는 수동 코드 감사에 의존합니다. 정적 규칙은 경로 관련 함수를 식별할 수 있지만 호스트-컨테이너 상호 작용이 존재하는지 판단하는 데 필요한 의미를 파악하지 못하여 많은 오탐을 발생시킵니다. 수동 검토에는 전문 지식이 필요하므로 비용이 많이 들고 비효율적이며 확장하기 어렵습니다. 이러한 위협에 대처하기 위해, 우리는 대규모 언어 모델(LLM)과 형식적인 방법을 통합하여 의미 기반 취약점 탐지 및 수정 기능을 제공하는 자동화 프레임워크인 Bulkhead를 제시합니다. Bulkhead는 다중 에이전트 시스템을 사용하여 알려진 사례에서 일반화된 다차원 지식 패턴을 통해 PaTra 취약점을 식별하고 수정합니다. 먼저 고위험 기능 패턴을 적용하여 컨테이너화된 코드에서 경계 간 상호 작용의 진입점을 찾은 다음, 적절한 깊이에서 해당 실행 경로를 복구하기 위해 호출 체인 패턴을 사용합니다. 탐지 파이프라인은 이러한 호출 체인을 애플리케이션 시나리오 및 위협 모델과 비교하여 보안 검사 누락 및 경계 간 상호 작용에서의 TOCTOU(Time-of-Check to Time-of-Use) 결함과 같은 취약점을 식별하고, 검증을 위한 개념 증명(PoC) 익스플로잇을 생성합니다. 이러한 PoC는 패치 생성을 안내하는 데 사용됩니다. 수정의 정확성을 보장하기 위해, 패치 파이프라인은 사전 정의된 모델 검사 템플릿을 사용하여 어설션 기반 검증을 수행합니다.

Filesystem isolation in container ecosystems is often weakened by cross-boundary path misresolution, causing path traversal (PaTra) vulnerabilities. These vulnerabilities stem from insecure host-container interactions and have become increasingly pervasive as cloud systems mount shared resources, such as GPUs and agent workspaces, into containers to support AI workloads. Existing defenses remain inadequate. Kernel-level protections are intrusive, can destabilize system calls, and have therefore not been accepted into the Linux mainline. Detection methods rely on static rule matching or manual code auditing. Static rules can flag path-related functions but fail to capture the semantics needed to determine whether a host-container interaction exists, causing many false positives. Manual review requires domain expertise, making it costly, inefficient, and difficult to scale. To address this threat, we present Bulkhead, an automated framework that integrates large language models (LLMs) with formal methods for semantic vulnerability discovery and remediation. Bulkhead uses a multi-agent system to identify and repair PaTra vulnerabilities through multi-dimensional knowledge patterns generalized from known cases. It first applies high-risk functional patterns to locate entry points for cross-boundary interactions in containerized code, then uses call-chain patterns to recover the corresponding execution paths at suitable depth. The Detection pipeline analyzes these call chains against the application scenarios and threat model, identifying vulnerabilities such as missing security checks and TOCTOU flaws in cross-boundary interactions, and generating proof-of-concept (PoC) exploits for validation. These PoCs then guide patch generation. To ensure remediation correctness, the Patch pipeline performs assertion-driven verification using predefined model-checking templates.