AFLplusplus/LibAFL项目中sancov_cmp.c文件的值分析问题分析
2025-07-03 02:51:34作者:宣聪麟
问题背景
在AFLplusplus/LibAFL项目的sancov_cmp.c文件中,存在一个关于值分析(Value Profile)的重要bug。该文件负责处理代码覆盖率跟踪中的比较操作,对于模糊测试(Fuzzing)的效率有着重要影响。
问题详情
在之前的代码重构中,原本针对不同大小(1字节、2字节、4字节、8字节)的值分析被错误地统一为只使用1字节值分析。这导致在处理较大数值的比较操作时,分析精度显著下降,影响了模糊测试工具发现某些类型问题的能力。
具体表现为:
- 原本代码中针对不同大小的比较操作有专门的函数调用(如__libafl_targets_value_profile1、__libafl_targets_value_profile2等)
- 重构后的代码错误地固定使用了1字节值分析函数(__libafl_targets_value_profile1)
- 这个错误导致较长数值(如magic number)的比较操作无法被有效跟踪
技术影响
这个bug对模糊测试的影响主要体现在以下几个方面:
- 精度损失:对于大于1字节的数值比较,分析精度降低,可能错过一些重要的执行路径
- 问题发现能力下降:特别是对于依赖特定数值比较的问题(如缓冲区溢出、整数溢出等),检测效率降低
- 测试覆盖率不准确:可能导致覆盖率引导的模糊测试无法正确识别所有有趣的代码路径
解决方案
修复方案的核心是正确使用C预处理器宏的字符串连接功能(##操作符),将参数大小动态拼接到函数名中。具体实现如下:
#define SANCOV_VALUE_PROFILE_CALL(k, arg_size, arg1, arg2, arg1_is_const) \
k &= CMP_MAP_SIZE - 1; \
__libafl_targets_value_profile##arg_size(k, arg1, arg2);
这种实现方式能够根据实际的参数大小(arg_size)动态选择对应的值分析函数,确保不同大小的比较操作都能得到适当的处理。
验证与测试
为了验证修复效果,可以采用以下方法:
- 使用clang预处理器检查宏展开结果
- 针对不同大小的数值比较编写测试用例
- 检查修复后是否能正确识别各种大小的magic number比较
后续改进建议
- 增加回归测试用例,覆盖不同大小的值分析场景
- 考虑在CI流程中加入宏展开检查
- 完善文档,明确值分析的使用方式和限制
这个问题的修复对于提升AFLplusplus/LibAFL在复杂数值比较场景下的测试能力具有重要意义,特别是对于需要检测特定数值条件触发的安全问题时尤为关键。
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。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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
425
3.26 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
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
326
🎉 (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
667
🔥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
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
19
30