首页
/ Syzkaller项目中mmap内存映射失败问题的分析与解决

Syzkaller项目中mmap内存映射失败问题的分析与解决

2025-06-06 12:39:29作者:尤峻淳Whitney

问题背景

在Syzkaller项目中,近期对64位操作系统的DataOffset值进行了修改,将其设置为一个较大的地址值0x400000000000。这一改动原本是为了适配ASAN(Address Sanitizer)的64位高内存区域,在amd64和arm64架构上都能正常工作。然而在实际设备上进行模糊测试时,却出现了mmap系统调用失败的问题。

问题现象

当Syzkaller尝试在目标设备上执行内存映射操作时,出现了以下错误:

SYZFAIL: mmap of left data PROT_NONE page failed
want 0x3ffffffff000, got 0xffffffffffffffff (errno 12: Cannot allocate memory)

具体来说,代码尝试在地址0x3ffffffff000处映射一个PROT_NONE的保护页,但系统返回了ENOMEM(内存不足)错误,而不是预期的映射地址。

技术分析

通过编写测试程序复现该问题,我们发现:

  1. 当使用较小的地址(如512MB)时,mmap操作能够正常工作,第二次映射会正确返回EEXIST错误
  2. 当使用较大的地址(如0x3ffffffff000)时,mmap直接返回ENOMEM错误

这表明在某些系统(特别是Android arm64设备)上,内核可能对用户空间的内存映射地址范围有限制,不允许在过高的地址空间进行映射操作。

解决方案

经过项目维护者的讨论和测试,最终决定将默认的DataOffset值调整为更小的地址(512MB或512<<24),这个值:

  1. 在大多数系统上都能正常工作
  2. 远离malloc通常分配的内存区域
  3. 不会触发内核的内存映射限制

技术启示

这个问题提醒我们,在进行系统级编程时需要考虑:

  1. 不同平台和内核版本对内存映射的限制可能不同
  2. 过高的地址空间在某些系统上可能不可用
  3. 在实际部署前,需要在目标环境中充分测试内存相关操作

Syzkaller作为一款系统调用模糊测试工具,其内存管理策略需要兼顾各种不同的运行环境,这也是该项目持续优化和改进的方向之一。

登录后查看全文

项目优选

收起
kernelkernel
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
511
551
docsdocs
暂无描述
Markdown
852
5.69 K
ops-transformerops-transformer
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++
1.05 K
2.49 K
kernelkernel
deepin linux kernel
C
33
16
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
839
1.28 K
ops-nnops-nn
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++
847
1.7 K
ops-mathops-math
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++
1.25 K
1.38 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.17 K
857
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
503
346
cann-learning-hubcann-learning-hub
CANN 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 Notebook
787
415