在preeny项目中实现deselect功能以支持pselect6系统调用
2025-07-10 08:50:03作者:齐添朝
背景介绍
preeny是一个强大的用户态库预加载工具,主要用于简化模糊测试(fuzzing)过程中的各种系统调用处理。它通过LD_PRELOAD机制拦截和修改目标程序的系统调用行为,使得模糊测试更加高效和可控。
问题分析
在使用preeny对vsftpd-3.0.5进行模糊测试时,遇到了一个常见问题:目标程序调用了pselect6()系统调用,导致AFL模糊测试工具出现超时。pselect6是一个高级I/O多路复用系统调用,类似于select/poll,但提供了更精确的超时控制和信号处理。
解决方案
preeny项目已经提供了多种系统调用的包装实现,如desleep(处理sleep)、dealarm(处理alarm)、detime(处理时间相关调用)等。为了支持pselect6,我们需要实现类似的deselect功能。
技术实现要点
- 拦截机制:通过LD_PRELOAD覆盖glibc中的pselect6函数实现
- 行为控制:可以通过环境变量配置返回的socket描述符
- 超时处理:应模拟立即返回或可控超时的行为
- 信号处理:正确处理pselect6特有的信号处理功能
实现建议
一个基本的deselect实现应该包含以下功能:
- 检查环境变量配置,确定返回哪些文件描述符
- 处理超时参数,可以立即返回或按配置超时
- 维护内部状态,确保多次调用行为一致
- 提供详细的日志输出,便于调试
应用场景
这种实现特别适用于:
- 网络服务程序的模糊测试
- 需要控制I/O多路复用行为的测试场景
- 减少测试过程中的等待时间
- 创建确定性测试环境
总结
为preeny添加deselect功能可以显著提高对使用pselect6系统调用的程序的模糊测试效率。这种实现遵循了preeny项目的设计理念,通过环境变量控制行为,为模糊测试提供了更大的灵活性和可控性。
登录后查看全文
热门项目推荐
相关项目推荐
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 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。Python0178- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
snackjson新一代高性能 Jsonpath 框架。同时兼容 `jayway.jsonpath` 和 IETF JSONPath (RFC 9535) 标准规范(支持开放式定制)。Java00
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
598
4.01 K
Ascend Extension for PyTorch
Python
433
525
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++
918
757
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
364
245
暂无简介
Dart
842
204
🎉 (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
1.45 K
814
昇腾LLM分布式训练框架
Python
130
154
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++
112
167
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
128
174