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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.35 K
Ascend Extension for PyTorch
Python
721
892
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
457
446
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
619
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
254