LibAFL中覆盖率信息的获取与理解
2025-07-03 19:43:37作者:胡唯隽
在基于LibAFL进行模糊测试时,理解当前的代码覆盖率情况对于评估测试效果至关重要。本文将以forkserver_simple示例为基础,深入分析LibAFL中两种不同类型的覆盖率指标及其实现原理。
覆盖率监控基础
LibAFL通过SimpleMonitor组件可以方便地输出测试状态信息。在监控配置中,使用以下代码即可打印覆盖率相关信息:
let monitor = SimpleMonitor::with_user_monitor(|s| println!("{s}"));
该监控器会输出类似如下的信息:
[Objective #0] run time: 0h-0m-0s, clients: 1, corpus: 4, objectives: 1, executions: 0, exec/sec: 0.000, shared_mem: 8/64 (12%), mapfeedback_metadata_objective: 4/64 (6%)
两种覆盖率指标解析
LibAFL实际上维护了两套独立的覆盖率跟踪系统:
-
语料库覆盖率(Corpus Coverage)
- 对应输出中的
shared_mem字段 - 实现方式:通过
HitcountsMapObserver观察共享内存区域 - 作用:跟踪所有用于后续模糊测试迭代的输入样本触发的边覆盖率
- 特点:这是最接近传统模糊测试工具(如libFuzzer)的覆盖率概念
- 对应输出中的
-
目标覆盖率(Objective Coverage)
- 对应输出中的
mapfeedback_metadata_objective字段 - 实现方式:通过带有特定名称的
MaxMapFeedback观察器 - 作用:专门用于崩溃去重,仅记录触发新覆盖率的崩溃用例
- 特点:确保不会保存覆盖率低于已有崩溃用例的新崩溃
- 对应输出中的
技术实现细节
在底层实现上,这两种覆盖率都基于边覆盖率(edge coverage)概念:
// 基础覆盖率观察器配置
let edges_observer = unsafe {
HitcountsMapObserver::new(StdMapObserver::new("shared_mem", shmem_buf)).track_indices()
};
// 目标覆盖率专用配置
let mut objective = feedback_and_fast!(
CrashFeedback::new(),
MaxMapFeedback::with_name("mapfeedback_metadata_objective", &edges_observer)
);
特殊场景处理
需要注意的是,当某个输入同时满足以下两个条件时:
- 触发了新的边覆盖率
- 导致了程序崩溃
此时shared_mem不会记录这次新触发的边覆盖率。这是设计上的有意为之,因为:
- 崩溃用例通常不会被加入常规测试语料库
- 保持语料库的稳定性比记录这种特殊情况更重要
最佳实践建议
对于大多数用户来说:
- 关注
shared_mem指标来评估整体覆盖率进展 - 使用
mapfeedback_metadata_objective主要作为崩溃去重的参考 - 如需更详细的覆盖率分析,可以考虑实现自定义的监控组件
理解这两种覆盖率的区别和联系,可以帮助开发者更准确地评估模糊测试的效果,并做出相应的优化决策。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥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
68
20
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
12
1
暂无简介
Dart
799
198
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1