首页
/ datAFLow 的安装和配置教程

datAFLow 的安装和配置教程

2025-05-29 11:05:17作者:余洋婵Anita

1. 项目基础介绍和主要编程语言

datAFLow 是一个基于 AFL++ 的数据流导向的模糊测试工具。它通过使用基于数据流的反馈机制(具体为 def-use 关联)来提高模糊测试的效率。datAFLow 采用了灵活且高效的内存对象元数据方案,即 Padding Area MetaData (PAMD) 方法,来提升模糊测试的性能。

该项目主要使用的编程语言包括 C、C++ 和 Python。

2. 项目使用的关键技术和框架

  • AFL++:datAFLow 是构建在 AFL++ 之上的,它继承并扩展了 AFL++ 的模糊测试功能。
  • LLVM:项目使用 LLVM 作为代码 instrumentation 的基础,对程序进行编译和转换。
  • Z3 SMT Solver:用于 SVF 静态分析组件,帮助进行数据流分析。
  • PAMD (Padding Area MetaData):一种内存对象元数据方案,用于高效地跟踪数据流。

3. 项目安装和配置的准备工作及详细安装步骤

准备工作

在开始安装之前,请确保您的系统满足以下要求:

  • 操作系统:Linux (推荐 Ubuntu 20.04)
  • LLVM:版本 12-14
  • Python:用于数据流-cc 包装器
  • Z3 SMT Solver:用于静态分析(可选)

安装步骤

  1. 克隆项目仓库

    git clone https://github.com/HexHive/datAFLow.git
    cd datAFLow
    
  2. 安装 Z3(可选)

    git clone https://github.com/z3prover/z3
    git -C z3 checkout z3-4.8.8
    mkdir -p z3/build
    cd z3/build
    cmake .. \
    -DCMAKE_INSTALL_PREFIX=$(realpath ../install) \
    -DZ3_BUILD_LIBZ3_SHARED=False
    make -j
    make install
    
  3. 初始化子模块

    git submodule update --init --recursive
    
  4. 构建 fuzzalloc

    cd $FUZZALLOC_SRC
    mkdir build
    cd build
    cmake .. \
    -DCMAKE_C_COMPILER=clang-12 -DCMAKE_CXX_COMPILER=clang++-12 \
    -DLLVM_DIR=$(llvm-config-12 --cmakedir) \
    -DZ3_DIR=/path/to/z3/install
    make -j
    

    如果需要构建基于 SVF 的静态分析,请在 cmake 中添加 -DUSE_SVF=True 选项。

  5. 配置环境变量

    根据需要配置以下环境变量:

    • FUZZALLOC_DEF_MEM_FUNCS:列出自定义内存分配函数
    • FUZZALLOC_DEF_SENSITIVITY:设置 def 站点的敏感度
    • FUZZALLOC_USE_SENSITIVITY:设置 use 站点的敏感度
    • FUZZALLOC_USE_CAPTURE:设置在 use 站点捕获的内容
    • FUZZALLOC_INST:设置 instrumentation 类型
  6. 使用 dataflow-cc 替换 clang

    在编译目标程序时,使用 dataflow-ccdataflow-c++ 替换 clangclang++

    dataflow-cc -o my_program my_program.c
    

完成以上步骤后,您就可以开始使用 datAFLow 进行数据流导向的模糊测试了。

登录后查看全文
热门项目推荐