K-Scheduler 开源项目使用指南

1. 项目介绍

K-Scheduler 是一个通用的种子调度器，专为模糊测试器（如 LibFuzzer 和 AFL 的 havoc 模式）和符号执行引擎（如 QSYM）设计。它通过图中心性分析来优化种子调度，从而提高模糊测试的效率和覆盖率。K-Scheduler 的核心思想是利用控制流图（CFG）的结构信息来预测种子变异后可能覆盖的边缘，从而更有效地选择种子进行变异。

2. 项目快速启动

2.1 环境准备

在开始使用 K-Scheduler 之前，请确保您的系统满足以下要求：

• Python 3.7
• LLVM 11.0.1
• wllvm
• NetworKit

2.2 安装步骤

1. 克隆项目仓库：

   git clone https://github.com/Dongdongshe/K-Scheduler.git
   cd K-Scheduler
   

2. 安装依赖：

   pip install -r requirements.txt
   

3. 编译示例程序：

   cd libfuzzer_integration/build_example
   make
   

2.3 运行示例

以下是一个简单的示例，展示如何使用 K-Scheduler 运行 LibFuzzer：

1. 启动 LibFuzzer：

   ./harfbuzz-1.3.2-fsanitize_fuzzer_kscheduler -kscheduler=1 -min_num_mutations_for_each_seed=200 /tmp_seeds/ seeds/
   

2. 启动图分析模块：

   python3 gen_dyn_weight.py
   

3. 应用案例和最佳实践

3.1 应用案例

K-Scheduler 已经在多个实际项目中得到了应用，特别是在需要高覆盖率的模糊测试场景中。例如，在 Google FuzzBench 的 12 个程序中，K-Scheduler 显著提高了特征覆盖率和边缘覆盖率，并发现了 3 个之前未知的漏洞。

3.2 最佳实践

• 优化种子选择：通过图中心性分析，K-Scheduler 能够更智能地选择种子进行变异，从而提高模糊测试的效率。
• 动态权重调整：K-Scheduler 支持动态调整种子的权重，以适应不同的测试场景和需求。
• 多引擎支持：K-Scheduler 不仅支持 LibFuzzer，还支持 AFL 和 QSYM，适用于多种模糊测试和符号执行引擎。

4. 典型生态项目

K-Scheduler 作为一个通用的种子调度器，可以与多个开源项目集成，形成强大的模糊测试生态系统。以下是一些典型的生态项目：

• LibFuzzer：一个高效的模糊测试引擎，与 K-Scheduler 结合可以显著提高测试覆盖率。
• AFL：一个广泛使用的模糊测试工具，K-Scheduler 的 havoc 模式可以进一步优化其种子调度。
• QSYM：一个高效的符号执行引擎，K-Scheduler 可以与其结合，提高符号执行的效率和覆盖率。

通过这些生态项目的集成，K-Scheduler 能够为开发者提供一个全面的模糊测试解决方案，帮助发现更多的软件漏洞。