面向多目标的有向灰盒模糊测试
密码学与安全
2022-07-01 v1 软件工程
摘要
有向灰盒模糊测试（DGF）可通过寻求到达某个程序位置或按顺序探索若干位置，快速发现或复现程序中的漏洞。然而，由于静态的阶段划分和粗粒度的能量调度，现有的 DGF 工具在面对多个目标位置（简称目标）时表现不佳。本文提出面向多目标的有向灰盒模糊测试，旨在在一次模糊测试活动中到达多个程序位置。具体而言，我们提出了一种自适应协调探索与利用阶段的新策略，以及一种通过考虑种子与目标位置之间更多关系的新型能量调度策略。我们在名为 LeoFuzz 的工具中实现了这些方法，并在真实程序中的崩溃复现、真阳性验证和漏洞暴露方面对其进行了评估。实验结果表明，LeoFuzz 在有效性和效率上优于六种最先进的模糊测试器，即 QYSM、AFLGo、Lolly、Berry、Beacon 和 WindRanger。此外，LeoFuzz 已在真实程序中检测到 23 个新漏洞，其中 11 个已被分配 CVE 编号。
引用
@article{arxiv.2206.14977,
title = {Multiple Targets Directed Greybox Fuzzing},
author = {Hongliang Liang and Xianglin Cheng and Jie Liu and Jin Li},
journal= {arXiv preprint arXiv:2206.14977},
year = {2022}
}
备注
14 pages, 5 figures, 10 tables