AFL++项目中UBSAN模式优化:废弃参数替换与崩溃处理改进
2025-06-06 21:32:51作者:虞亚竹Luna
背景介绍
AFL++作为一款先进的模糊测试工具,其UBSAN(Undefined Behavior Sanitizer)模式一直用于检测程序中的未定义行为。近期开发者在研究过程中发现,当前实现中使用了已被废弃的编译器参数,这促使我们对UBSAN模式进行优化改进。
问题发现与分析
在AFL++的UBSAN模式实现中,使用了-fsanitize-undefined-trap-on-error
这一已被GCC标记为废弃的参数。该参数的主要作用是在检测到未定义行为时触发SIGILL信号(非法指令),但这种处理方式存在两个主要问题:
- 该参数已被GCC弃用,建议使用更灵活的
-fsanitize-trap=undefined
替代 - 触发SIGILL会导致丢失详细的错误信息,不利于问题定位
技术验证与解决方案
通过实际测试验证,我们发现使用-fno-sanitize-recover=undefined
参数组合可以同时实现:
- 在检测到未定义行为时使程序崩溃(满足模糊测试需求)
- 保留完整的错误信息输出(便于问题诊断)
测试用例显示,使用新参数组合后:
- 模糊测试仍能正确识别崩溃
- 程序运行时能输出详细的错误位置和类型信息
- 无需依赖SIGILL信号即可实现崩溃行为
实现改进
基于以上发现,我们建议从AFL++代码中移除对废弃参数-fsanitize-undefined-trap-on-error
的使用,转而依赖-fno-sanitize-recover=undefined
这一更现代、更可靠的参数组合。这一改进将带来以下优势:
- 兼容性:避免使用已被废弃的编译器参数
- 可维护性:使用官方推荐的参数组合
- 诊断能力:保留完整的错误信息输出
- 灵活性:为未来可能的UBSAN错误类型过滤提供扩展空间
技术影响评估
这一改进对现有AFL++用户的影响包括:
-
正向影响:
- 获得更详细的未定义行为诊断信息
- 编译器兼容性更好
- 崩溃报告更准确
-
需要注意:
- 需要重新编译目标程序才能生效
- 错误输出格式可能发生变化
结论与展望
通过这次对AFL++ UBSAN模式的优化,我们不仅解决了使用废弃参数的问题,还提升了模糊测试过程中对未定义行为的诊断能力。这一改进已被项目维护者接受并合并,将随下一个版本发布。
未来,我们可以进一步探索UBSAN不同检查类型的细粒度控制,以及与其他消毒剂(如ASAN)的更好协同工作方式,持续提升AFL++在程序错误检测方面的能力。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~062CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
54
469

deepin linux kernel
C
22
5

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
7
0

🎉 (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
880
519

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K

React Native鸿蒙化仓库
C++
181
264

一个高性能、可扩展、轻量、省心的仓颉Web框架。Rest, 宏路由,Json, 中间件,参数绑定与校验,文件上传下载,MCP......
Cangjie
87
14

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.09 K
0

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
361
381

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
612
60