AFLNet: 灰盒网络协议模糊测试工具安装与使用指南
2026-01-17 08:34:44作者:凌朦慧Richard
目录结构及介绍
文件夹概览
- dictionaries: 存储字典文件,用于指导模糊测试过程中的数据变异。
- docs: 文档资料,包括项目说明和技术报告等。
- experimentals: 实验性代码或配置,可能不稳定或处于开发阶段。
- libdislocator: 包含库文件
libdislocator的源码,用于支持 AFLNet 功能。 - libtokencap: 内含
libtokencap库的源码,同样对 AFLNet 的运行至关重要。 - llvm_mode: 该模式下使用的 LLVM 预处理支持文件。
- qemu_mode: QEMU 模式下的相关支持文件。
- testcases: 测试案例集,用于验证 AFLNet 性能和功能。
- tutorials: 教程材料,帮助新手快速上手。
其他重要文件
- gitignore: Git 忽略规则,确保特定文件不被版本控制跟踪。
- CONTRIBUTING.md: 贡献指南,介绍如何贡献代码和修复错误。
- Dockerfile: Docker 构建脚本,允许用户创建可复现的容器环境。
- LICENSE: 许可证信息,确定软件使用和分发的条件。
- Makefile: 编译指令,定义了编译和构建流程。
- README-AFL.md: 关于基础 AFL 工具的信息,提供额外上下文。
- README.md: 主读我文件,介绍项目概况和初步操作指南。
启动文件介绍
AFLNet 提供多个执行文件,涵盖了从初始化到结果分析的全过程:
- afl-analyze: 分析并展示模糊测试的结果。
- afl-as: AFLNet 的自定义编译器前端。
- afl-cmin: 用于最小化输入语料库大小以保持相同覆盖率。
- afl-fuzz: 核心模糊测试驱动程序。
- afl-gcc: 自定义 GCC 前端,为 AFLNet 编译目标。
- afl-gotcpu: 处理 GOT 表修改,增强模糊测试效果。
- afl-plot: 结果可视化工具,绘制覆盖度和其他指标图表。
- afl-replay: 允许重新运行特定测试用例或序列。
- afl-showmap: 显示目标函数在执行时的路径和覆盖情况。
- afl-tmin: 减少输入样本至最小长度以达到相同的覆盖程度。
- afl-whatsup: 显示当前正在执行的任务状态。
对于以上每种命令,还存在其对应的带有前缀 "ca" 的变体(如 cafl-fuzz),这些变体主要针对高级或定制的使用场景设计。
配置文件介绍
AFLNet 并未明确指定一个单独的配置文件,而是通过命令行参数和环境变量来调整行为。以下是一些关键的选项和设置:
- 字典文件 (
-x): 使用-x参数加载字典,字典中包含了对输入格式的假设,帮助提高模糊测试的有效性。 - 输入目录 (
-i): 指定要模糊测试的目标输入文件或目录。 - 输出目录 (
-o): 设置保存测试结果的位置。 - 目标二进制路径 (
binary_path): 要进行模糊测试的应用程序或服务的路径。 - 其他参数: 如
-m控制内存限制,--timeout-scale调整超时倍数,以及多种调试标志等,可以根据具体需求精细调节模糊测试的行为。
由于 AFLNet 及其衍生工具有很高的灵活性,通常推荐使用者阅读附带的文档 (docs) 或者实验记录 (experimental) 中更详细的操作指南,特别是在面对复杂或特定的工作负载时。此外,参与社区讨论(如项目 Issue 页面)也能获取宝贵的支持和建议。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
962
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
873
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430