FExM 自动化模糊测试框架教程
2024-09-17 07:40:50作者:裘晴惠Vivianne
项目介绍
FExM(Fuzz Ex Machina)是一个自动化模糊测试框架,旨在简化基本的模糊测试流程。它是由多年的实际模糊测试经验积累而成,提供了一种最佳努力的方法,能够快速启动并发现大多数应用程序中的漏洞。FExM 的自动化特性使其能够用于模糊测试完整的软件仓库和发行版,以及单个程序。
项目快速启动
前提条件
FExM 目前仅支持在 Ubuntu Linux(18.04)上运行。如果你只是想尝试一下,可以使用我们提供的 Vagrant 虚拟机,其中包含了正确的环境设置。
软件要求
- Vagrant(测试版本:2.1.2)
- VirtualBox(测试版本:5.2.14)
- 推荐安装的 Vagrant 插件:
- vagrant-disksize(增加 Vagrant 磁盘空间)
- vagrant-winnfsd(通过 NFS 共享文件夹,仅限 Windows)
硬件要求
- 8GB 内存或更多
- 足够的磁盘空间(建议大量空间)
- 8 个逻辑 CPU(或根据需要手动调整 Vagrantfile)
安装步骤
-
克隆 FExM 仓库:
git clone git@github.com:fgsect/fexm.git cd fexm -
使用 Vagrant 启动虚拟机:
vagrant up vagrant ssh -
手动设置(如果需要):
/fexm/scripts/setup.sh该脚本将执行以下步骤:
- 安装 Docker
- 安装 RabbitMQ
- 在
~/virtualenvs中创建 FExM 虚拟环境,并安装requirements.txt中的包
模糊测试
-
获取种子文件:
fexm crawl -a <GitHub AUTHTOKEN> -o <PathToSeeds>在 Vagrant 中,可以直接运行:
fexm crawl -a <GitHub AUTHTOKEN> -
运行模糊测试:
fexm fuzz /examples/top500.json这将启动模糊测试,并将结果存储在
out目录中。
应用案例和最佳实践
应用案例
FExM 可以用于测试各种类型的软件,包括但不限于:
- 操作系统内核
- 网络协议栈
- 应用程序库
最佳实践
- 选择合适的种子文件:种子文件的质量直接影响模糊测试的效果。建议从已知的漏洞或常见输入中生成种子文件。
- 配置文件优化:根据目标程序的特性,调整 JSON 配置文件中的参数,以提高测试效率。
- 结果分析:定期检查模糊测试的结果,及时修复发现的漏洞。
典型生态项目
FExM 作为一个自动化模糊测试框架,可以与其他开源工具和项目结合使用,以增强其功能和效果。以下是一些典型的生态项目:
- AFL(American Fuzzy Lop):一个广泛使用的模糊测试工具,FExM 可以与其结合使用,以提高测试覆盖率。
- LibFuzzer:一个基于 LLVM 的模糊测试引擎,可以与 FExM 结合使用,以测试 C/C++ 代码。
- Docker:FExM 使用 Docker 来隔离测试环境,确保测试的稳定性和可重复性。
通过结合这些工具,FExM 可以成为一个强大的模糊测试解决方案,帮助开发者和安全研究人员发现和修复软件中的漏洞。
登录后查看全文
热门项目推荐
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 StartedRust0137- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
725
4.66 K
Ascend Extension for PyTorch
Python
597
749
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
425
377
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++
992
985
Claude 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 Started
Rust
981
137
昇腾LLM分布式训练框架
Python
160
190
暂无简介
Dart
969
246
deepin linux kernel
C
29
16
Oohos_react_native
React Native鸿蒙化仓库
C++
345
393
🎉 (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
1.65 K
970