LibAFL中覆盖率信息的获取与理解
2025-07-03 01:55:36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
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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
React Native鸿蒙化仓库
JavaScript
286
338
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
224
91
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
722
174
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
10
1
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++
849
438
🎉 (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
1.27 K
699
🔥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