<论文笔记>Caradoc: a pragmatic approach to PDF parsing and validation

Caradoc:PDF解析与验证的实用方法

引用：

Endignoux G, Levillain O, Migeon J Y. Caradoc: A Pragmatic Approach to PDF Parsing and Validation[C]// IEEE Security and Privacy Workshops. IEEE Computer Society, 2016:126-139.

研究内容：

研究PDF文档的结构、语法及由其引起的漏洞和阅读器冲突

背景：

• 介绍了已知的问题和检测方法
  1.Polymorphic files(多态文件)：不同的PDF阅读器接受有缺陷的或者格式混淆的文件并显示出不同的内容
  2.Analysis of JavaScript content(JS内容分析)：PJScan、MDScan、FCScan
  3.Statistical methods(静态分析方法)：machine learning、reverse mimicry
• 结构性问题
  1.交叉引用表、树和图等的无限循环
  2.解析和验证库的差异问题
  3.对象序号的捕捉问题等

方法：

针对由于PDF文档结构所引起的问题，将重点放在对文档格式的限制：
1.(为消除多态文件)语法(grammmar)限制和规范化：定义LR1或者LALR1语法，设置去掉注释、限制空格的语法规则，扩展规则和规范化
2.类型检验：用图的广度优先遍历算法来验证对象类型的一致性
3.高级属性的验证

实现流程：

创新点：

1.创建基础结构缺陷的PDF文档进行多阅读器环境测试
2.通过语法和结构定义解决不同阅读器的解析差异问题