基于路径多样性的无偏多目标模糊测试
密码学与安全
2024-06-07 v2
摘要
在本文中，我们提出了一种名为 AFLRun 的新型定向模糊测试解决方案，其特点是目标路径多样性度量和无偏能量分配。首先，我们通过为每个覆盖目标维护额外的原始图来跟踪命中目标的种子的覆盖状态，从而开发了一种新的覆盖率度量。这种方法能够将通过有趣路径命中目标的路径点存储到语料库中，从而丰富每个目标的路径多样性。此外，我们提出了一种语料库级别的能量分配策略，以保证每个目标的公平性。AFLRun 从均匀的目标权重开始，并将此权重传播给种子以获得所需的种子权重分布。通过根据这种所需分布为语料库中的每个种子分配能量，可以实现精确且无偏的能量分配。我们构建了一个原型系统，并使用标准基准和几个经过广泛模糊测试的真实应用程序评估了其性能。评估结果表明，AFLRun 在漏洞检测的数量和速度方面均优于最先进的模糊测试器。此外，AFLRun 发现了 29 个以前未识别的漏洞，包括 4 个不同程序中的 8 个 CVE。
引用
@article{arxiv.2310.12419,
title = {Toward Unbiased Multiple-Target Fuzzing with Path Diversity},
author = {Huanyao Rong and Wei You and Xiaofeng Wang and Tianhao Mao},
journal= {arXiv preprint arXiv:2310.12419},
year = {2024}
}