探索Choronzon:智能进化的文件模糊测试框架
2024-05-24 07:08:00作者:胡唯隽
项目简介
Choronzon 是一款进化式知识驱动的模糊测试工具,它通过模拟生物演化的原理来不断优化测试输入,以发掘软件潜在的问题。在ZeroNights 2015大会上,该系统的架构被首次展示,其演讲视频和幻灯片也在网上可查。
Choronzon的核心理念是使用用户定义的信息来读取和构造目标文件格式,将每个文件看作是一个“染色体”,用户描述的文件基本结构则被视为“基因”。这个系统分为三个主要部分:Tracer模块、Chromosome模块和模糊测试器。
随包提供的一个示例是针对PNG文件格式的解析器,此外,Choronzon设计为支持自定义文件格式,使其具备了高度的灵活性和广泛的应用潜力。
技术剖析
-
Chromosome模块:用户编写Python模块来描述目标文件格式,如PNG.py。每个文件由“基因”树组成,这些基因能够构建相应的文件。基因类代表文件的基本数据结构,而序列化和反序列化器则负责文件的转换。
-
Tracer模块:利用Intel的Pin工具监控目标应用,收集执行信息,例如访问的基本块。未来版本中,Choronzon计划替换Pin以减少性能影响。
-
模糊测试器:包括一系列“Mutator”(突变器)和“Recombinator”(重组器)。突变器进行常见的文件变异操作,而重组器则依据文件结构进行智能模糊测试,这是Choronzon的独特之处。
应用场景
Choronzon适用于需要深度理解和控制测试过程的情况,特别是对于那些复杂或定制的文件格式。它可以用于:
- 软件安全审计,发现程序中的漏洞。
- 验证文件解析器的正确性,防止由于错误处理导致的安全问题。
- 对特定应用程序进行深入的覆盖率分析。
项目特点
- 智能演化:Choronzon采用进化策略持续优化测试用例,提高测试效率。
- 知识驱动:用户只需提供文件格式的高层次描述,系统就能生成有效的测试文件。
- 灵活扩展:支持自定义解析器和模块,可以轻松适应新的或定制的文件格式。
- 深度监控:利用二进制级别的跟踪技术,收集详细的执行信息。
- 智能模糊:结合基因重组策略,实现对文件结构的深度探索。
安装并配置好Choronzon后,您可以根据实际需求调整配置文件,启动针对目标应用的模糊测试。准备好深入探索这个强大的工具,让软件安全测试变得更加高效且全面。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
项目优选
收起
暂无描述
Markdown
831
5.5 K
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
495
520
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++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
792
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
484
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
777
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++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
659
298