JANUS 利用 AI 智能体生成 Android 原生库的跨语言模糊测试桩代码并发现新漏洞

该论文提出 JANUS，首个针对 Android 原生库的基于 AI 智能体的跨语言 JNI 模糊测试桩生成框架，旨在解决现有工具无法精准捕获封闭源码中跨语言 API 调用及复杂复合对象构建的问题。评估显示，在 44 款真实应用（涵盖 Google、YouTube Music 等）的 21,386 个 JNI 方法上，JANUS 生成的有效桩代码数量是现有最先进自动化工具的 5.9 倍以上，达到 6,094 个。

JANUS 通过自主智能体工作流迭代解析显式和隐式的跨语言调用依赖，以自底向上方式递归组装参数对象，从而恢复特定于应用的运行时上下文。在小米、Vivo、Samsung 等五大主流厂商预装应用的测试中，该方法进一步发现了 6 个此前未知的封闭源码原生库漏洞。这些结果直接证明了 LLM Agent 在处理 JNI 边界分析时的有效性，而非仅依赖手工启发式规则。

事实层面，JANUS 确实在特定数据集上实现了性能提升和漏洞发现；推断层面，这表明将 Agent 范式引入底层系统安全测试可能成为突破封闭源码黑盒分析瓶颈的关键路径；猜测层面，该方法是否适用于其他非 JNI 的跨语言交互场景或大规模商业化部署尚需验证。