题目：VUzzer: Application-aware Evolutionary Fuzzing
作者：Sanjay Rawat, Vivek Jain, Ashish Kumar, Lucian Cojocar, Cristiano Giuffrida, Herbert Bos
出版：NDSS 2017
背景
模糊测试随机变异，不了解被测程序，进行盲目的变异。生成的输入往往在不符合程序输入的规则，导致陷在程序的浅层位置。而根据基于覆盖的fuzzing策略，触发浅层err handler代码也触发了新的覆盖，导致大量资源浪费在格式无效种子的变异上，给有效种子和执行深层代码种子的时间就少了。
白盒测试，比如符号执行，通过约束求解生成覆盖程序中路径的测试用例。白盒技术的加入，使得fuzzer更加有效。比如driller，在fuzzing遇到瓶颈的时候，会进行符号执行，交替两种技术。
但是fuzzer，比如afl，是可以分析大规模程序的。但是符号执行技术因为路径爆炸和约束求解问题，难以扩展到大规模程序。所以符号执行的加入破坏了fuzzer的scalable属性。
问题
在不使用符号执行的情况下，设计更加有效的fuzzer：在更少的种子生成情况下，有效发现crash。
方案
通过污点分析识别err handler code的方式，减少对格式无效种子的变异。在更少变异的前提下，发现更深层次的crash。
设计
静态分析：
使用IDA反编译被测二进制程序，
1-得到程序的函数的控制流图，通过基于马尔科夫模型的基本块权重计算方法，计算得到基本块权重文件。
2-得到程序中的函数名文件。
动态分析：
动态二进制插桩，使用pin工具。对程序输入种子的每个字节进行污点追踪。
1- 插桩程序中的cmp和lea指令。
cmp指令经常作为程序路径的分支条件，代表了程序中可能存在的magic byte,这是随机变异的fuzzer的一个挑战。
lea指令的操作数是int类型，lea的操作数对应的种子偏移位置的字节就可以在int范围内进行变异，降低变异的随机性。
2-确定error handler代码
首先，使用有效测试用例集合（test suit）喂给插桩后的被测程序，这些测试用例所执行的基本块我们叫做valid BB set.
然后，使用随机生成的种子集合，喂给插装后的被测程序，这些执行路径中的公共基本块BB，且如果BB不在valid BB set中，那么我们将这些BB 放在invalid BB set中。（依据：随机生成的种子很可能是无效的，会被err handler代码处理）
3-能量调度：
通过计算种子能量，给种子赋予不同的变异机会。
计算：对于一个种子的执行路径P，路径中每个基本块的权重在静态分析阶段已经给出。如果基本块是valid BB set中的，那么我们说该基本块权重为正，否则权重为负。这样，对所有基本块权重进行相加，得到该种子的能量。
对于种子能量高的种子，它应该是符合程序输入格式的，并且更有可能到达程序深层位置。所以给这些种子更多的变异机会。