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:
- 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
- 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:
- 在大多数系统上都能正常工作
- 远离malloc通常分配的内存区域
- 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:
- 不同平台和内核版本对内存映射的限制可能不同
- 过高的地址空间在某些系统上可能不可用
- 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
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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
960
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++
872
2.01 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++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 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
1.03 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430