探索Atheris:Python世界的覆盖率引导型模糊测试神器
2024-05-22 01:48:26作者:瞿蔚英Wynne
Atheris是一个强大的,基于libFuzzer的Python模糊测试引擎,它不仅支持Python代码的模糊测试,还能对CPython的原生扩展进行测试。无论你是Python开发者还是安全专家,Atheris都是你寻找潜在漏洞和提升代码质量的理想工具。
安装与使用
Atheris支持Linux(32位和64位)以及Mac OS X,兼容Python版本从3.6到3.10。你可以通过简单的pip命令安装预编译的版本:
pip3 install atheris
如果要针对原生扩展进行测试,建议从源码构建以确保libFuzzer与你的Clang版本匹配。以下是源码安装的步骤:
# 构建最新发布版
pip3 install --no-binary atheris atheris
# 或者构建开发分支
git clone https://github.com/google/atheris.git
cd atheris
pip3 install .
对于Mac用户,由于Apple Clang不自带libFuzzer,你需要安装最新版本的LLVM。详细步骤见源码安装部分。
技术亮点
Atheris基于libFuzzer,这意味着它可以自动发现输入数据导致的新路径,并据此生成新的测试用例。对于Python部分,Atheris通过字节码级别的覆盖收集来判断代码执行情况。
应用场景
- 测试Python应用程序的核心逻辑,找出可能导致程序崩溃或行为异常的输入。
- 验证Python库或模块的安全性,特别关注那些处理外部输入的组件。
- 对于C扩展的Python模块,Atheris可以有效地发现潜在的内存安全问题。
使用示例
只需以下几步,你就可以开始使用Atheris进行模糊测试:
#!/usr/bin/python3
import atheris
with atheris.instrument_imports():
import some_library
import sys
def TestOneInput(data):
some_library.parse(data)
atheris.Setup(sys.argv, TestOneInput)
atheris.Fuzz()
当测试Python代码时,任何未捕获的异常都将被识别为失败。
特色功能
- 多维度覆盖:Atheris提供了多种覆盖率收集方式,包括对导入模块、单个函数甚至所有已加载函数的覆盖率跟踪。
- 扩展支持:能够对原生扩展进行模糊测试,但需要相应的 instrumentation。
- 结构感知模糊测试:支持自定义mutator和crossover函数,可以针对特定语法结构生成输入,提高测试效率。
- 可视化覆盖率报告:兼容coverage.py,方便查看哪些代码行被执行,有助于优化测试策略。
总的来说,Atheris提供了一个高效且灵活的框架,用于深入挖掘Python代码中的潜在问题,无论是纯Python代码还是带有原生扩展的部分。其简单易用的API和丰富的功能使其成为每个Python开发者和安全工程师的必备工具。现在就试试看,让Atheris助力你的代码变得更加健壮和安全!
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 StartedRust060
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
686
4.43 K
Ascend Extension for PyTorch
Python
536
656
Claude 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 Started
Rust
342
60
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
403
314
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++
952
910
Oohos_react_native
React Native鸿蒙化仓库
C++
336
385
🎉 (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
1.58 K
920
暂无简介
Dart
933
232
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
135
216
昇腾LLM分布式训练框架
Python
145
171