SFuzz 使用教程
2025-04-17 05:46:21作者:冯爽妲Honey
1. 项目介绍
SFuzz 是一个基于覆盖率的灰盒模糊测试工具,利用自定义的即时编译器(JIT)实现接近原生性能的模糊测试。它通过将 RISC-V ELF 二进制文件提升到中间表示形式,然后在执行时即时编译为 x86 代码。在 JIT 编译过程中,代码被插入用于跟踪测试覆盖率的仪器代码,从而优化模糊测试过程。
SFuzz 的特点包括:
- 支持多线程,能够无缝扩展线程数量
- 自定义 JIT 编译器,提供高性能和高度可定制性
- 自定义内存管理单元,实现字节级别的权限检查和基于脏位的模拟器重置
- 虚拟化文件管理,便于内存中的模糊测试
- 基于快照的模糊测试,能够在执行过程中捕获目标程序的内存/寄存器状态
- 边缘级别的覆盖跟踪和基于覆盖的模糊测试
- 多种变异器、崩溃去重和简单的种子调度算法
2. 项目快速启动
首先,确保你已经安装了 Rust 编译器和 RISC-V 工具链。
安装 Rust 编译器
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source $HOME/.cargo/env
安装 RISC-V 工具链
sudo apt-get install autoconf automake autotools-dev curl python3 libmpc-dev libmpfr-dev \
libgmp-dev gawk build-essential bison flex texinfo gperf libtool patchutils bc zlib1g-dev \
libexpat-dev
git clone https://github.com/riscv/riscv-gnu-toolchain && cd riscv-gnu-toolchain
./configure --prefix=/opt/riscv --with-arch=rv64i
sudo make
克隆 SFuzz 仓库并构建
git clone https://github.com/seal9055/sfuzz.git
cd sfuzz
cargo build --release
运行 SFuzz
创建输入/输出目录,将一些初始种子文件放入输入目录,然后启动模糊测试。
mkdir in out
cp /path/to/seed_files/* in/
./target/release/sfuzz -i in -o out -- ./test_cases/simple_test @@
更多选项可以通过运行 ./sfuzz -h 获取。
3. 应用案例和最佳实践
案例一:模糊测试简单的 RISC-V 程序
- 编写或生成一个简单的 RISC-V 程序。
- 使用 RISC-V 工具链编译程序。
- 将编译后的二进制文件放入模糊测试的输入目录。
- 运行 SFuzz 并观察结果。
最佳实践
- 保持种子文件的多样性,以增加测试的覆盖率。
- 调整线程数量和变异策略以优化模糊测试效果。
- 定期检查输出目录中的崩溃报告,以便快速定位问题。
4. 典型生态项目
SFuzz 可以与其他开源项目配合使用,例如:
AQF: 一个自动化质量保证框架,用于集成多种模糊测试工具。oss-fuzz: 一个由 Google 维护的开源模糊测试服务。
通过集成这些项目,可以进一步提高模糊测试的效率和效果。
登录后查看全文
热门项目推荐
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
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
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.89 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
261
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1