首页
/ FExM 自动化模糊测试框架教程

FExM 自动化模糊测试框架教程

2024-09-17 07:54:22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

  1. 克隆 FExM 仓库:

    git clone git@github.com:fgsect/fexm.git
    cd fexm
    
  2. 使用 Vagrant 启动虚拟机:

    vagrant up
    vagrant ssh
    
  3. 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
    • ~/virtualenvs 中创建 FExM 虚拟环境,并安装 requirements.txt 中的包

模糊测试

  1. 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>
    
  2. 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

  1. 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。
  2. 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。
  3. 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:

  1. 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。
  2. 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。
  3. 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。

热门项目推荐
相关项目推荐

项目优选

收起
Python-100-DaysPython-100-Days
Python - 100天从新手到大师
Python
609
115
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
286
79
mdmd
✍ WeChat Markdown Editor | 一款高度简洁的微信 Markdown 编辑器:支持 Markdown 语法、色盘取色、多图上传、一键下载文档、自定义 CSS 样式、一键重置等特性
Vue
111
25
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
60
48
RuoYi-Cloud-Vue3RuoYi-Cloud-Vue3
🎉 基于Spring Boot、Spring Cloud & Alibaba、Vue3 & Vite、Element Plus的分布式前后端分离微服务架构权限管理系统
Vue
45
29
go-stockgo-stock
🦄🦄🦄AI赋能股票分析:自选股行情获取,成本盈亏展示,涨跌报警推送,市场整体/个股情绪分析,K线技术指标分析等。数据全部保留在本地。支持DeepSeek,OpenAI, Ollama,LMStudio,AnythingLLM,硅基流动,火山方舟,阿里云百炼等平台或模型。
Go
1
0
Cangjie-ExamplesCangjie-Examples
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
205
57
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
184
34
RuoYi-VueRuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
182
44
frogfrog
这是一个人工生命试验项目,最终目标是创建“有自我意识表现”的模拟生命体。
Java
8
0