AFLplusplus项目中AFL_MAP_SIZE不一致问题的分析与解决
2025-06-06 15:52:05作者:蔡丛锟
问题背景
在AFLplusplus项目中,用户发现afl-showmap和afl-cmin工具在处理大型目标程序时出现了不一致的行为。具体表现为:afl-showmap能够正常工作,而afl-cmin在处理相同输入时却报告目标程序崩溃。经过调试发现,这两个工具报告的AFL_MAP_SIZE值存在差异,afl-showmap报告的值比afl-cmin大1。
技术分析
AFL_MAP_SIZE的作用
AFL_MAP_SIZE是AFL++中一个关键的环境变量,它定义了共享内存区域的大小,用于存储覆盖率信息。当目标程序被插桩后,AFL++会使用这个共享内存区域来记录程序执行过程中的代码覆盖率情况。
问题根源
通过深入分析,发现问题出在afl-compiler-rt.o.c文件中的相关逻辑:
- 当目标程序的边数(edges)超过默认映射大小时,会触发共享内存的重新映射
- 在
__afl_map_shm函数中,__afl_final_loc值会被递增 - 随后在另一个位置,
__afl_final_loc值会被再次递增 - 这种双重递增导致了最终报告的映射大小比实际需要的小1
调试过程
用户通过以下步骤重现并验证了问题:
- 使用
afl-showmap直接运行目标程序,观察报错信息 - 通过设置
AFL_DEBUG=1获取调试信息,确定__afl_final_loc的值 - 尝试手动设置不同的
AFL_MAP_SIZE值,发现需要比__afl_final_loc大2才能正常工作 - 分析源代码,定位到映射大小计算逻辑中的不一致性
解决方案
经过项目维护者的协作调试,最终确定了正确的修复方案。关键点包括:
- 修正了
AFL_DUMP_MAP_SIZE的输出逻辑,确保它报告正确的映射大小 - 统一了映射大小的计算方式,避免双重递增的问题
- 改进了错误提示信息,使其更准确地指导用户如何设置正确的映射大小
最佳实践
对于遇到类似问题的用户,建议:
- 使用
AFL_DUMP_MAP_SIZE=1来获取准确的映射大小需求 - 如果目标程序特别大,可能需要手动设置更大的
AFL_MAP_SIZE - 在设置环境变量时,确保所有相关工具(afl-showmap、afl-cmin等)使用相同的值
- 遇到问题时,启用
AFL_DEBUG=1获取更多调试信息
总结
这个问题展示了AFL++在处理大型目标程序时的一个边界情况。通过社区协作和深入分析,不仅解决了具体问题,还改进了工具的健壮性和用户体验。对于模糊测试工作者来说,理解这些底层机制有助于更有效地使用AFL++进行安全测试。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781