fpicker 项目下载与安装教程
2024-12-06 03:15:18作者:何将鹤
1. 项目介绍
fpicker 是一个基于 Frida 的模糊测试套件,支持多种模糊测试模式,包括 AFL++ 进程内模糊测试等。它可以在 Frida 支持的所有平台上运行。该项目旨在通过不同的模糊测试模式,帮助开发者发现软件中的潜在漏洞。
2. 项目下载位置
项目托管在 GitHub 上,您可以通过以下地址下载 fpicker 项目:
https://github.com/ttdennis/fpicker.git
3. 项目安装环境配置
在安装 fpicker 之前,您需要确保以下环境配置正确:
- Frida 编译环境
- 对应平台的 Frida 核心开发包
以下是一个示例,展示如何在 macOS 上配置环境:

请替换 image_path/example_env_config.png 为实际的图片路径。
4. 项目安装方式
以下是安装 fpicker 的步骤:
-
克隆项目到本地:
git clone https://github.com/ttdennis/fpicker.git cd fpicker -
下载对应版本的 Frida:
wget https://github.com/frida/frida/releases/download/[yourversion]/frida-framework-[yourversion].tar.xz tar xzvf *tar.xz -
解压 Frida 并复制必要的文件:
mkdir frida-devkit cd frida-devkit tar -xzf *tar.xz cd .. cp frida-devkit/libfrida-core.dylib ./libfrida-core.dylib cp frida-devkit/frida-core.h ./frida-core.h -
编译 fpicker:
make fpicker-macos # 或者根据目标平台选择其它选项
5. 项目处理脚本
fpicker 项目中包含了几个示例脚本,用于展示如何创建模糊测试脚本来与 fpicker 一起工作。以下是一个简单的示例:
// 导入 fuzzer 基类
const Fuzzer = require("harness/fuzzer.js");
// 自定义 fuzzer 需要继承 Fuzzer 类
class TestFuzzer extends Fuzzer {
constructor() {
// 获取目标函数地址和 NativeFunction 对象
const FUZZ_FUNCTION_ADDR = Module.getExportByName(null, "FUZZ_FUNCTION");
const FUZZ_FUNCTION = new NativeFunction(FUZZ_FUNCTION_ADDR, "void", ["pointer", "int64"]);
super("test", FUZZ_FUNCTION_ADDR, FUZZ_FUNCTION);
}
}
const f = new TestFuzzer();
exports.fuzzer = f;
请根据实际需要调整和编写您的模糊测试脚本。
登录后查看全文
热门项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
热门内容推荐
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
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
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
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++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557