• AFL Fuzz安装及完成一次简单的模糊测试


    关于AFL fuzz

    AFL fuzz是一个模糊测试工具,它封装了一个GCC/CLang编译器,用于对被测代码重新编译的过程中进行插桩。插桩完毕后,AFL fuzz就可以给其编译过的代码输入不同的参数参数,跟踪被测代码的执行路径,并判定对输入的变异能否触发新的已知或未知执行路径。

    某些情况下,你可能不想重新编译被测代码,或者根本没有被测程序的源代码,因此无法用编译的方式插桩。针对这种情况,AFL fuzz提供了QEMU模式,QEMU即“user emulation”的缩写,相当于是黑盒测试,主要用于压力测试(被测系统性能将下降2~5倍,但相比如DynamoRIO、PIN这些工具,QEMU的性能还算不算了)。

    安装

    AFL fuzz的安装非常简单,只需要去官网下载最新版本的源代码,解压缩后依次执行下面的指令:

    make 

    sudo make install

    若需要使用QEMU模式,参见下面的步骤:

    1、使用./build_qemu_support.sh 脚本进行构建,其会自动下载、配置并编译QEMU的二进制代码,此过程比较耗时,且这一过程中需要解决一些依赖包的问题(必须的依赖包:libtool、glib2-devel)。

    2、编译完成后,在afl-fuzz的启动参数中加入“-Q”即可启用QEMU模式。

    注意:

    1、QEMU模式需要较大内存空间,建议的最低配置为200M,负责项目则需要更多。当在afl-fuzz的启动参数中指定的-Q参数时,afl-fuzz会自动设置-m参数,默认值为200M。

    2、afl-fuzz适用于linux系统,且不追踪共享库,即:

    2-1、对于想要分析的库必须以静态方式链接到可执行二进制文件;

    2-2、对于C的标准库及其他一些比较耗费资源而又不必要测试的库则必须以动态方式链接,否则afl fuzz是没有办法不测这些内容的。

    示例

    已对binutils的模糊测试为例,说明如何使用afl fuzz。

    首先,需要下载binutils的源码并解压,进入加压后的文件夹,重写CC编译环境变量的值(如果是C++程序,且用g++而不是gcc进行编译,则修改CXX),修改后即可运行configure脚本,然后编译。

    cd ~/binutils-2.25

    CC=afl-gcc ./configure

    make

    注:如果用clang,而不是gcc,则将CC改为afl-clang。

    编译完成后,要修改一下配置,使系统将coredump输出到文件,而不是上报给系统的处理程序:

    # echo core > /proc/sys/kernel/core_pattern

    建一个input文件夹作为afl fuzz的输入,afl fuzz将在这个输入的基础上进行变异,在建立一个out文件夹,作为afl fuzz的输出,afl fuzz会将崩溃、挂起等问题记录到输出文件中:

    cd ~/binutils-2.25

    mkdir afl_in afl_out

    cp /bin/ps afl_in/

    接下来,就可以使用afl fuzz进行模糊测试了:

    cd ~/binutils-2.25

    afl-fuzz -i afl_in -o afl_out ./binutils/readelf -a @@

    afl fuzz启动后,我们将看到如下界面:

  • 相关阅读:
    第十九节,使用RNN实现一个退位减法器
    深度学习系列经典博客收藏
    第十八节,TensorFlow中使用批量归一化(BN)
    第十七节,深度学习模型的训练技巧-优化卷积核,多通道卷积
    第十六节,使用函数封装库tf.contrib.layers
    第十五节,利用反卷积技术复原卷积网络各层图像
    第十四节,TensorFlow中的反卷积,反池化操作以及gradients的使用
    第十三节,使用带有全局平均池化层的CNN对CIFAR10数据集分类
    第十二节,TensorFlow读取数据的几种方法以及队列的使用
    在hadoop集群添加了slave节点的方法
  • 原文地址:https://www.cnblogs.com/ttssrs/p/9566292.html
Copyright © 2020-2023  润新知