基于逐步约束聚焦的定向灰盒模糊测试
密码学与安全
2023-03-28 v1
摘要
动态数据流分析已被广泛用于引导灰盒模糊测试。然而，传统动态数据流分析易于在海量路径跟踪中迷失方向，且需处理大量数据，导致到达目标位置的效率低下。本文中，我们提出一种基于动态约束过滤与聚焦 (CONFF) 的定向灰盒模糊测试器。首先，跟踪所有路径约束，并过滤出高优先级的约束作为下一求解目标。接着，聚焦于单个待满足的路径约束，我们获取其数据条件，并通过多字节映射与单字节映射探查其与输入字节间的映射关系。最后，利用多种变异策略求解当前聚焦的路径约束，并通过路径选择逐步逼近程序的目标位置。CONFF 模糊测试器能够更快到达目标程序中的特定位置，从而高效触发崩溃。我们设计并实现了 CONFF 模糊测试器原型，并使用 LAVA-1 数据集及若干真实漏洞对其评估。结果表明，CONFF 模糊测试器可在 LAVA-1 数据集及大多数真实漏洞上复现崩溃。对于多数漏洞，相较于最先进模糊测试器，CONFF 模糊测试器复现崩溃所需时间显著减少。平均而言，CONFF 模糊测试器比最先进的基于代码覆盖率的模糊测试器 Angora 快 23.7 倍，比经典定向灰盒模糊测试器 AFLGo 快 27.3 倍。
引用
@article{arxiv.2303.14895,
title = {Directed Greybox Fuzzing with Stepwise Constraint Focusing},
author = {Xiaofan Li and Xuan Li and Guangfa Lv and Yongzheng Zhang and Fengyu Wang},
journal= {arXiv preprint arXiv:2303.14895},
year = {2023}
}