AFL++ 在 macOS 上编译时遇到的 dynamic_lookup 问题解析
问题背景
在使用 AFL++ 的 afl-clang-fast++ 编译器工具链在 macOS 系统上编译基于 LLVMFuzzerTestOneInput 的模糊测试工具时,开发者可能会遇到一个奇怪的编译错误。当尝试使用 -fsanitize=fuzzer 选项进行编译时,编译器会报告找不到 dynamic_lookup 文件或目录的错误。
错误现象
具体错误表现为:
clang++: error: no such file or directory: 'dynamic_lookup'
这个错误发生在使用 Apple 提供的 clang 编译器(如 Apple clang 15.0.0)时,特别是在 macOS 系统上。错误会阻止正常的编译过程,导致无法生成可执行的模糊测试工具。
问题根源
经过分析,这个问题源于 AFL++ 源代码中对 macOS 链接器标志的特殊处理方式。在 afl-cc.c 文件中,当检测到在 macOS 环境下编译时,AFL++ 会尝试添加两个独立的链接器参数:
-Wl,-undefineddynamic_lookup
然而,Apple 的 clang 编译器期望这些参数应该作为一个整体传递,即 -Wl,-undefined,dynamic_lookup。当参数被分开传递时,编译器会将第二个参数 dynamic_lookup 误解为一个文件名,而不是链接器选项的一部分,从而导致上述错误。
解决方案
解决这个问题的方案相对简单:将分开传递的两个链接器参数合并为一个参数。具体修改如下:
// 修改前
insert_param(aflcc, "-Wl,-undefined");
insert_param(aflcc, "dynamic_lookup");
// 修改后
insert_param(aflcc, "-Wl,-undefined,dynamic_lookup");
这个修改确保了链接器选项被正确地作为一个整体传递给编译器,避免了参数被误解为文件名的情况。
技术细节
-Wl,-undefined,dynamic_lookup 是 macOS 链接器的一个特殊选项,它告诉链接器在遇到未定义的符号时不要立即报错,而是推迟到运行时再解析。这在动态库加载和插件系统中特别有用,也是 AFL++ 在 macOS 上正常工作所需的设置。
验证结果
应用此修改后,编译过程能够顺利完成:
afl-cc++4.21a by Michal Zalewski, Laszlo Szekeres, Marc Heuse - mode: LLVM-PCGUARD
[+] Found '-fsanitize=fuzzer', replacing with libAFLDriver.a
SanitizerCoveragePCGUARD++4.21a
[+] Instrumented 1 locations with no collisions (non-hardened mode) of which are 0 handled and 0 unhandled selects.
兼容性考虑
虽然这个修改解决了在特定版本的 Apple clang 上出现的问题,但考虑到不同版本的编译器可能对参数格式有不同的要求,建议在更广泛的测试环境中验证这一修改的兼容性。特别是对于较旧版本的 macOS 和 clang 编译器,确保这种参数传递方式同样有效。
总结
这个问题的解决展示了在跨平台开发中处理不同编译器行为差异的重要性。通过将链接器参数合并传递,我们确保了 AFL++ 在 macOS 系统上的兼容性,使得模糊测试工具能够顺利编译和运行。对于使用 AFL++ 进行安全测试的开发者来说,这个修改可以避免在 macOS 环境下的编译障碍,提高开发效率。
kernelopenEuler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。C085
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0136
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