AFL++ 在 macOS 上使用 LLVM 18 的兼容性问题分析
2025-06-06 11:43:19作者:宣海椒Queenly
问题背景
AFL++ 是一款广受欢迎的模糊测试工具,它依赖于 LLVM 编译器基础设施来实现高效的代码插桩。近期有用户报告,在 macOS 系统上通过 Homebrew 将 LLVM 从 17 版本升级到 18 版本后,afl-clang-fast 编译器出现了崩溃问题。
问题现象
用户在升级 LLVM 后遇到以下典型症状:
- 使用
afl-clang-fast编译简单 C++ 程序时出现崩溃 - 错误信息显示
dyld[17791]: missing symbol called - 使用
-fsyntax-only选项时可以正常工作,表明前端解析没有问题 - 完整的编译过程在优化阶段崩溃
技术分析
根本原因
从错误堆栈来看,问题发生在 LLVM 的优化阶段,具体是在 ModuleSanitizerCoverageAFL 这个与 AFL++ 插桩相关的 pass 中。这表明:
- AFL++ 的插桩插件与 LLVM 18 的某些内部变更存在兼容性问题
- 动态链接器 (
dyld) 报告符号缺失,可能是由于 LLVM 18 的 API 发生了变化 - 这种问题通常出现在 LLVM 主要版本升级时,因为其内部 API 不稳定
解决方案验证
经过测试验证,以下方法可以解决该问题:
- 完全清理并重新构建 AFL++:执行
make deepclean后重新编译安装 - 重置开发环境:删除并重新克隆 AFL++ 代码仓库
- 重新安装 Homebrew 及其 LLVM 包:确保所有依赖关系正确
最佳实践建议
对于在 macOS 上使用 AFL++ 的用户,建议:
- 升级 LLVM 后必须重新编译 AFL++:LLVM 版本变更后,原有的插件可能不兼容
- 保持开发环境干净:定期清理旧的构建产物
- 考虑使用虚拟环境:如 Docker 容器,以避免系统级依赖冲突
- 关注 AFL++ 的更新:开发团队会持续适配新版本 LLVM
技术细节
AFL++ 的 LLVM 模式依赖于:
- 自定义的 LLVM pass 进行代码插桩
- LLVM 的插件机制加载这些 pass
- 与特定 LLVM 版本紧密耦合的 API 调用
当 LLVM 主版本升级时,这些接口可能会发生变化,导致兼容性问题。这也是为什么在 Linux 上测试正常的代码在 macOS 上可能出现问题的原因之一 - 不同平台上的 LLVM 构建配置可能有所差异。
结论
虽然 AFL++ 官方确认在 Linux 上支持到 LLVM 19-dev 版本,但在 macOS 平台上,由于系统环境和工具链的差异,用户可能会遇到类似问题。通过彻底清理和重建开发环境,大多数这类兼容性问题都可以得到解决。对于模糊测试的稳定性要求较高的用户,建议在升级系统工具链前先在测试环境中验证 AFL++ 的兼容性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322