Janus 文件系统模糊测试工具使用指南
2024-09-23 10:48:51作者:何举烈Damon
1. 项目介绍
Janus 是一个在 Linux 上针对文件系统进行模糊测试的先进工具。它通过同时探索文件系统和系统调用的二维输入空间,有效地发现内核文件系统中的内存损坏问题。Janus 是 AFL(American Fuzzy Lop)的一个变种,其目标不是传统的虚拟机,而是 Linux 内核库(LKL)。Janus 已经发现了大约 100 个独特的崩溃,并获得了 32 个 CVE 编号。目前,Janus 支持对 ext4、btrfs 和 F2FS 文件系统的图像解析。
2. 项目快速启动
2.1 环境准备
确保你的环境满足以下要求:
- 操作系统:Ubuntu 16.04 LTS
- clang 6.0.0(从源码编译)
- gcc 5.0.0(默认安装)
2.2 编译 Janus
-
编译
ff-gcc(用于插桩):cd ff-gcc make -
编译核心模糊测试引擎:
cd core make -
编译(移植的)LKL 4.17:
cd lkl例如,如果你想模糊测试 btrfs:
./compile -t btrfs -c -
编译图像解析器:
cd fs/btrfs make
2.3 运行模糊测试
-
创建种子程序目录:
mkdir prog -
生成种子程序:
./core/create_corpus istat/btrfs.istat prog -
创建输入和输出目录:
mkdir input mkdir output -
运行模糊测试:
./core/afl-image-syscall/afl-fuzz -b btrfs -s fs/btrfs/btrfs_wrapper.so -e ./samples/evaluation/btrfs-00.image -S btrfs -y prog -i input -o output -m none -u 2 -- ./lkl/tools/lkl/btrfs-combined -t btrfs -p @@
3. 应用案例和最佳实践
3.1 应用案例
Janus 主要用于发现文件系统中的内存损坏问题。例如,通过模糊测试 btrfs 文件系统,Janus 可以生成大量的测试用例,帮助开发者发现并修复潜在的漏洞。
3.2 最佳实践
- 并行模糊测试:Janus 支持并行模糊测试,可以通过创建多个 Janus 实例来提高测试效率。
- 生成可复现的测试用例:使用
afl-parse工具可以生成可复现的测试用例,便于开发者调试和修复问题。
4. 典型生态项目
- AFL(American Fuzzy Lop):Janus 是 AFL 的一个变种,AFL 是一个广泛使用的模糊测试工具,主要用于发现软件中的漏洞。
- Linux Kernel Library (LKL):Janus 的目标是 LKL,LKL 是一个用于在用户空间运行 Linux 内核的库。
- btrfs、ext4、F2FS:Janus 目前支持对这些文件系统进行模糊测试,未来可能会扩展到更多文件系统。
通过以上步骤,你可以快速上手并使用 Janus 进行文件系统的模糊测试。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
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
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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