(十)Fuzzing 基础
发布网友
发布时间：2024-08-18 18:14
共1个回答
热心网友
时间：2024-09-01 22:26
Fuzzing: 探索软件漏洞的测试艺术
Fuzzing是一种强大的测试技术，它通过提供“fuzz输入”来探索软件的边缘和潜在漏洞。它的核心在于超越预期的输入范围，对程序执行（PUT）进行采样。以下是关键概念的深入解析：
Fuzzing: 从输入空间采样PUT，挑战其边界和预期行为。
Fuzz Testing: 评估PUT行为的准确性，寻找潜在漏洞的测试策略。
Fuzzer: 执行fuzz测试的工具，执行策略导向的测试活动。
Fuzz Campaign: 设计明确策略的PUT测试过程，旨在发现和修复漏洞。
- Fuzzing配置的多样性取决于使用的算法，如随机数据流或动态配置，而种子则是生成测试用例的基础。
- 种子库由Fuzzers维护，随着时间推移，种子可能会进化以扩大覆盖范围。
- 算法示例：通过配置、超时输入，算法生成bug集合，每个迭代包含SCHEDULE、INPUTGEN、INPUTEVAL等关键步骤。
**Fuzzers的分类**：分为黑盒（仅观察输入输出）、灰盒（结合静态和动态分析）和白盒（深入程序内部执行分析），每种类型根据观察粒度和信息获取程度有所不同。
- 黑盒（仅IO驱动）：如仅看输入与输出的响应。
- 灰盒（静态与动态结合）：通过插桩收集执行反馈，如静态编译时或动态运行时插桩。
- 白盒（动态符号执行）：执行深入分析，如Dowser的静态错误检测，通过符号值求解器生成测试用例。
输入生成是关键环节，包括生成型（基于模型）和变异型（如位翻转、算术变异），如PULSAR的网络协议建模。
操作策略：随机操作如删除、替换块，调整种子大小，甚至跨种子插入随机数据。
- 白盒fuzzing利用复杂分析，如Dowser进行深度静态检测。
- 动态符号执行则依赖于SMT求解器，成本较高，但能生成更为精确的输入。
指导性模糊测试结合程序分析（如TaintScope）和污点分析（如Angora），以增强漏洞定位。
输入评估：通过bug oracle检测问题，关注内存安全和类型兼容性。
安全防护措施：输入验证防止XSS和SQL注入，通过语义差异检测潜在错误。
测试用例管理：通过去重（如stack backtrace hashing等）优化测试效率。
RETracer通过逆向数据流分析，将崩溃分类并追踪错误值的分配路径。
优先级和威胁评估：漏洞严重性和独特性排序，衡量exploitability（可利用性）评估攻击可能性。
Triage：聚焦关键部分，简化异常用例，如最小化测试用例和确定关键模块。
配置更新：如EA算法通过节点或分支覆盖优化配置。
深入研究领域包括自适应函数优化，如AFL优化分支执行次数。
参考文献丰富多样，如Manès et al. (2019), Gascon et al. (2015), Haller et al. (2013), Wang et al. (2010), Chen and Chen (2018), Cui et al. (2016)揭示了这一领域的深度和广度。
