Driller：智能模糊测试的利器

项目介绍

Driller 是一个基于 driller paper 的开源实现，旨在通过结合模糊测试（Fuzzing）和符号执行（Symbolic Execution）技术，提升漏洞发现的效率。Driller 构建在 AFL（American Fuzzy Lop）之上，并使用 angr 作为符号追踪工具。当 AFL 在模糊测试过程中遇到瓶颈，无法继续发现新的路径时，Driller 会介入，通过符号执行生成新的输入，帮助 AFL 继续探索程序的执行路径。

项目技术分析

Driller 的核心技术在于其智能的“stuck”启发式算法。当 AFL 的 pending_favs 属性（即 AFL 认为有潜力的未探索路径数量）降至 0 时，Driller 会被自动调用。此时，Driller 会接管 AFL 的输入队列，利用 angr 对这些输入进行符号执行，寻找 AFL 未能覆盖的基本块转换。一旦找到新的输入，Driller 会将其反馈给 AFL，AFL 则继续进行常规的变异和路径探索。

Driller 的实现支持三种操作模式：

1. 单机模式：通过脚本在单台机器上同时运行 AFL 和 Driller，支持多核并行处理。
2. 监控模式：通过监控 fuzzer_stats 文件，自动判断何时调用 Driller。
3. 分布式模式：利用 Celery 和 Redis 在多台机器上分配任务，实现分布式模糊测试和符号执行。

项目及技术应用场景

Driller 在实际应用中表现出色，特别是在 DARPA 的 Cyber Grand Challenge（CGC）中，团队 Shellphish 使用 Driller 成功发现了多个可利用的漏洞。Driller 特别适用于以下场景：

• 复杂软件的漏洞挖掘：对于复杂的二进制程序，Driller 能够帮助模糊测试工具突破瓶颈，发现更多潜在的漏洞。
• 自动化安全测试：在自动化安全测试流水线中，Driller 可以作为关键组件，提升测试的覆盖率和漏洞发现率。
• 研究与开发：对于安全研究人员和开发者来说，Driller 提供了一个强大的工具，帮助他们理解和分析程序的执行路径，从而更好地进行漏洞挖掘和修复。

项目特点

• 智能启发式算法：Driller 通过智能的“stuck”启发式算法，自动判断何时介入模糊测试过程，提升测试效率。
• 结合模糊测试与符号执行：Driller 巧妙地将模糊测试和符号执行结合，充分利用两者的优势，提升漏洞发现的效率。
• 支持多种操作模式：无论是单机模式、监控模式还是分布式模式，Driller 都能灵活应对不同的应用场景。
• 广泛的应用支持：Driller 不仅支持 DECREE 二进制格式，还具备一定的通用性，适用于多种二进制程序的漏洞挖掘。

结语

Driller 是一个功能强大且灵活的开源工具，适用于各种安全测试和漏洞挖掘场景。无论你是安全研究人员、开发者，还是自动化测试工程师，Driller 都能为你提供有力的支持，帮助你更高效地发现和修复软件中的漏洞。赶快尝试 Driller，开启你的智能模糊测试之旅吧！