AFLplusplus项目中LTO与ASAN构建冲突问题分析
2025-06-06 05:19:29作者:庞队千Virginia
在AFLplusplus项目中,当开发者尝试同时启用性能优化(PERFORMANCE=1)和地址消毒剂(ASAN_BUILD=1)构建afl-fuzz工具时,会遇到一个典型的链接时优化(LTO)与地址消毒剂(ASAN)的兼容性问题。本文将深入分析该问题的技术背景、产生原因及解决方案。
问题现象
当使用以下命令构建时:
make CC=clang PERFORMANCE=1 ASAN_BUILD=1 afl-fuzz
构建过程会失败并报错:
`.text.asan.module_ctor.149' referenced in section `.init_array.1[asan.module_ctor.149]' of /tmp/lto-llvm-3cc9af.o: defined in discarded section `.text.asan.module_ctor.149[asan.module_ctor]' of /tmp/lto-llvm-3cc9af.o
clang: error: linker command failed with exit code 1
技术背景
LTO(链接时优化)简介
LTO(Link Time Optimization)是一种编译器优化技术,它允许编译器在链接阶段对整个程序进行跨模块的优化。这种技术可以显著提升程序性能,但同时也增加了构建复杂度。
ASAN(地址消毒剂)简介
ASAN(Address Sanitizer)是一种内存错误检测工具,能够检测如缓冲区溢出、使用释放后内存等常见内存问题。它在编译时注入额外的检查代码。
问题根源
该问题的根本原因在于构建过程中LTO标志的不一致性。具体表现为:
- 项目中的afl-performance.c文件在构建时没有启用-flto选项
- 其他源文件则启用了LTO优化
- 这种不一致性导致ASAN相关的构造函数在LTO处理过程中被错误地丢弃
解决方案
正确的做法是确保整个项目中所有源文件的LTO标志保持一致。对于AFLplusplus项目,这意味着:
- 需要确保afl-performance.c文件与其他文件一样启用LTO优化
- 或者统一禁用LTO优化(不推荐,因为会损失性能优化机会)
项目维护者已经确认并修复了此问题,确保所有源文件在启用PERFORMANCE和ASAN_BUILD时都采用一致的编译选项。
经验总结
这个案例为我们提供了几个重要的开发经验:
- 当同时使用多种高级编译特性(LTO、ASAN等)时,必须确保所有源文件的编译选项一致
- 混合使用不同优化级别的模块可能导致难以诊断的链接错误
- 在大型项目中,构建系统的配置管理至关重要,特别是当引入条件编译选项时
对于开发者而言,遇到类似问题时,检查构建系统中各模块的编译标志是否一致应该是首要的排查步骤。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
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++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.27 K

React Native鸿蒙化仓库
JavaScript
211
287

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

暂无简介
Dart
526
116

🎉 (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
986
583

openGauss kernel ~ openGauss is an open source relational database management system
C++
148
197

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
45
0

ArkUI-X adaptation to Android | ArkUI-X支持Android平台的适配层
C++
39
55

ArkUI-X adaptation to iOS | ArkUI-X支持iOS平台的适配层
Objective-C++
19
44