WTF项目中的Tenet追踪功能增强:记录模糊测试器的内存写入操作
2025-07-10 00:17:27作者:曹令琨Iris
背景介绍
WTF项目是一个基于Windows的分布式代码覆盖引导的模糊测试框架,它集成了Tenet追踪功能用于记录执行轨迹。在实际使用过程中,开发者发现当前版本的Tenet追踪存在一个功能缺陷:它无法记录模糊测试器通过VirtWriteDirty方法执行的内存写入操作。
问题分析
在模糊测试过程中,测试器会通过VirtWriteDirty方法将变异后的输入数据写入目标内存区域。这些写入操作对于分析崩溃原因至关重要,特别是当这些内存区域在后续执行中没有被再次访问时。当前的Tenet追踪实现遗漏了这部分信息,导致开发者在分析崩溃原因时无法直接看到是哪些输入数据触发了问题。
解决方案实现
项目维护者0vercl0k在fbl_fix#210分支中实现了以下改进:
- 扩展了Tenet追踪功能,使其能够记录
VirtWriteDirty方法执行的内存写入操作 - 同时增加了对内存读取操作的记录,以支持Tenet的内存访问断点功能
- 确保该功能在
SetBreakpoint回调中使用VirtWriteDirty时也能正常工作
技术意义
这一改进具有重要的技术价值:
- 提高崩溃分析效率:开发者现在可以直接在Tenet追踪中看到模糊测试器写入的输入数据,无需额外工具或脚本
- 增强调试能力:结合内存读取记录,为内存访问断点提供了更完整的数据支持
- 简化工作流程:消除了开发者自行解析输出文件并手动添加内存写入记录的需求
实现细节
核心实现涉及以下技术点:
- 在
VirtWriteDirty方法执行时触发追踪记录 - 确保内存写入操作的时间戳与执行轨迹同步
- 处理在断点回调中的特殊写入场景
- 保持与现有Tenet追踪格式的兼容性
验证与测试
虽然主要开发者已进行初步测试验证了功能有效性,但仍建议用户在实际环境中进行全面验证,特别是:
- 不同大小的内存写入操作
- 高频写入场景
- 与现有追踪功能的交互
- 性能影响评估
总结
WTF项目的这一功能增强显著提升了模糊测试结果的分析效率,使开发者能够更直观地理解崩溃与输入数据之间的关系。这一改进体现了项目对用户体验的持续关注和对实用功能的不断完善,进一步巩固了WTF作为高效模糊测试框架的地位。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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++
660
307
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
9
1
React Native鸿蒙化仓库
JavaScript
259
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
🎉 (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
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
878
仓颉编译器源码及 cjdb 调试工具。
C++
134
867