AFL++ 项目中使用32位编译模式的问题解析
问题背景
在使用AFL++进行模糊测试时,用户尝试使用-m32参数将目标程序编译为32位模式时遇到了编译错误。错误信息显示编译器不支持32位模式,但普通gcc编译器却可以正常工作。这表明问题并非编译器本身不支持32位模式,而是AFL++工具链的配置存在问题。
问题分析
当用户执行以下命令时:
afl-gcc-fast -m32 kek.c
系统返回错误:
PROGRAM ABORT : -m32 is not supported by your compiler
而使用标准gcc编译器时:
gcc -m32 kek.c
却能够正常编译。这种差异表明问题出在AFL++工具链的配置上,而非底层编译器本身。
解决方案
经过分析,这个问题通常是由于缺少必要的32位开发库导致的。在基于Debian/Ubuntu的系统上,可以通过安装以下软件包来解决:
sudo apt-get install gcc-multilib g++-multilib
这些软件包提供了32位编译所需的库文件和工具链支持。安装完成后,AFL++的编译器包装器(afl-gcc-fast、afl-clang-fast等)就能够正确处理-m32参数了。
技术原理
AFL++的编译器包装器在内部会检查系统环境是否支持32位编译。当检测到缺少必要的32位开发环境时,会主动拒绝编译请求以避免产生不可靠的二进制文件。这种设计确保了模糊测试的稳定性和可靠性。
相比之下,标准gcc编译器虽然能够生成32位二进制,但如果缺少必要的32位库,生成的程序可能在运行时出现问题。AFL++通过这种严格的检查机制,提前暴露了潜在的环境配置问题。
验证方法
安装完必要的32位开发库后,可以通过以下命令验证问题是否解决:
afl-gcc-fast -m32 test.c
如果能够正常编译并生成32位可执行文件,则说明问题已解决。可以使用file命令验证生成的二进制是否为32位格式:
file a.out
输出应包含"ELF 32-bit"字样。
总结
在使用AFL++进行32位程序的模糊测试时,确保系统已安装完整的32位开发环境是关键。通过安装gcc-multilib和g++-multilib软件包,可以解决大多数32位编译支持问题。这种解决方案不仅适用于AFL++,也适用于其他需要交叉编译32位程序的开发场景。
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