AFL++ 崩溃转储保存机制解析
2025-06-06 16:32:56作者:齐添朝
核心问题背景
在模糊测试过程中,AFL++ 有时会检测到目标程序崩溃,但这些崩溃可能由于各种原因无法重现。这种情况在以下场景尤为常见:
- 目标程序依赖系统时间戳
- 输入数据中包含时间敏感信息
- 程序状态与执行时序相关
AFL++ 的解决方案
1. 调试模式保存核心转储
AFL++ 提供了 AFL_DEBUG 环境变量选项,启用后可以在检测到崩溃时自动保存核心转储文件。这对于分析难以重现的崩溃场景特别有价值。
使用方法:
export AFL_DEBUG=1
./afl-fuzz -i input -o output -- ./target_program
2. 持久模式下的状态记录
对于使用持久模式(Persistent Mode)的目标程序,AFL++ 提供了 RECORD/REPLAY 功能(位于 config.h 中)。这项功能可以:
- 记录程序执行时的内部状态
- 在后续执行中重放这些状态
- 提高崩溃重现的概率
3. 混合部署策略
在实际应用中,可以采用混合部署策略:
- 部署 10 个常规模糊测试实例
- 部署 1-2 个启用核心转储保存的实例
- 平衡测试覆盖率和崩溃分析能力
技术实现原理
AFL++ 通过以下机制实现崩溃检测和转储保存:
- 信号处理机制:捕获目标程序产生的崩溃信号(SIGSEGV, SIGABRT等)
- 进程监控:通过 fork server 监控目标进程状态
- 转储生成:在检测到崩溃时触发核心转储生成
- 状态记录:可选地记录程序执行上下文
最佳实践建议
-
对于时间敏感型目标程序,建议同时启用:
AFL_DEBUG用于获取崩溃现场- RECORD/REPLAY 功能用于状态重现
-
核心转储分析流程:
- 使用 gdb 或 lldb 加载核心转储
- 结合 AFL++ 提供的测试用例进行调试
- 分析崩溃调用栈和内存状态
-
性能考虑:
- 核心转储会显著降低测试速度
- 仅在必要时启用该功能
- 可通过采样方式(如每N次崩溃保存一次)平衡性能和分析需求
总结
AFL++ 提供了灵活的核心转储保存机制,特别是通过 AFL_DEBUG 和 RECORD/REPLAY 功能的组合使用,可以有效解决模糊测试中难以重现的崩溃问题。这些功能为安全研究人员分析复杂崩溃场景提供了有力工具。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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++
689
343
Ascend Extension for PyTorch
Python
235
267
暂无简介
Dart
686
161
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
327
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
56
33
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
669