AFLplusplus 执行速度统计中的整数溢出问题分析
2025-06-06 01:57:18作者:裘旻烁
问题背景
在AFLplusplus模糊测试工具中,有一个用于统计最近一分钟内执行次数的指标execs_ps_last_min。当模糊测试长时间运行(例如超过一个月)后,这个指标可能会显示出异常的高值,如71574927.35次/分钟,这显然是不合理的。
问题根源
经过代码分析,发现问题出在统计计算部分的整数溢出。具体来说,在计算执行速度时,代码使用了32位无符号整数(u32)来存储上一次的执行总数(last_avg_execs),而实际的总执行数(total_execs)是64位的。当总执行数超过2^32(约42.9亿次)时,32位变量会发生溢出,导致计算结果异常。
技术细节
在afl-fuzz-stats.c文件中,执行速度的计算公式为:
afl->last_avg_execs_saved =
(double)(1000 * (afl->fsrv.total_execs - afl->last_avg_execs)) /
(double)(cur_time - afl->last_avg_exec_update);
这里的关键问题在于:
total_execs是64位变量,可以存储非常大的数值last_avg_execs是32位变量,当赋值为大数值的total_execs时会溢出- 溢出后计算出的差值会变得不正确,导致最终的执行速度统计异常
解决方案
最简单的修复方案是将last_avg_execs的类型从u32改为u64,使其与total_execs的位数一致。此外,这个变量的命名也不够准确,因为它实际上存储的是上一次的总执行数,而不是平均值,可以考虑将其重命名为prev_total_execs等更贴切的名称。
影响范围
这个问题主要影响:
- 长时间运行的模糊测试任务(总执行数超过42.9亿次)
- 执行速度统计的准确性
- 不会影响实际的模糊测试过程,只是监控指标显示异常
最佳实践建议
对于需要进行长时间模糊测试的用户,建议:
- 定期重启模糊测试进程,避免计数器溢出
- 监控总执行数,当接近42.9亿次时注意统计数据的准确性
- 使用修复后的版本,避免统计异常
这个问题虽然不影响核心的模糊测试功能,但准确的执行速度统计对于评估测试进度和效率非常重要,特别是在长期运行的测试场景中。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1