1.honggfuzz漏洞挖掘技术深究系列（1）——反馈驱动
2.探索｜模糊测试 Fuzzing Test
3.AFL--模糊测试使用浅析
4.afl源码是码阅什么意思？
5.模糊测试工具 AFL的原理与实践
6.Dojo构建Ajax应用程序序

honggfuzz漏洞挖掘技术深究系列（1）——反馈驱动

       honggfuzz漏洞挖掘技术详解（1）——反馈驱动

       反馈驱动是漏洞挖掘技术中的关键策略，它通过追踪样本触发的码阅代码覆盖率，优化输入样本以提升覆盖率，码阅从而增加发现漏洞的码阅可能性。在业界，码阅AFL、码阅antd表格源码libfuzzer和honggfuzz是码阅基于代码覆盖率的三大著名Fuzzer，它们均开源，码阅可在GitHub上获取。码阅

       honggfuzz尤其受到关注，码阅其原理与应用将是码阅我们系列探讨的重点。我曾深入研究过honggfuzz的码阅源码并进行二次开发，实践证明其挖掘漏洞的码阅效果显著。系列将详细解析honggfuzz的码阅运作机制，从代码覆盖率的码阅三种衡量标准——函数、基本块和边界，到实际应用中的反馈驱动原理。

       在honggfuzz中，基本块覆盖率是主要的统计方式。通过编译选项，如添加`-fsanitize-coverage=bb`，可以生成`sancov.map`和`sancov.raw`文件，记录执行过的基本块信息。honggfuzz会分析这些文件，计算覆盖率，根据新路径或链接库加载情况，生成变异样本以触发更多未探索的路径。

       honggfuzz诞生于年，与AFL同时期发布，AFL的出现极大地推动了安全领域的发展。尽管AFL源码分析众多，opencpn源码解析honggfuzz的深度剖析却相对较少，因此我决定编写这一系列文章。个人曾为honggfuzz贡献代码，但未被采纳，于是转向自行开发，为不同平台添加新功能，并借此发现了不少CVE。

       后续文章将深入探讨honggfuzz的更多细节，感谢robertswiecki创建出这款强大的工具。这些内容源自公众号：漏洞战争。

探索｜模糊测试 Fuzzing Test

       探索模糊测试的奥秘：Fuzzing Test详解

       Fuzzing Test，一种用于软件缺陷检测的自动化测试技术，通过向程序提供随机输入，查找可能导致程序崩溃的场景。它是一种黑盒测试方法，无需源代码，有助于发现关键缺陷，降低代码评审成本。但并非万能，具有其优缺点。

       Fuzzers主要分为两种：Dumb Fuzzers提供随机输入，如网络协议数据或用户输入，能快速生成结果，但可能错过特定输入场景引发的问题。Smart Fuzzers则结合输入规则，如协议定义，以构建更精确的输入，针对特定格式进行模糊处理。

       Fuzzers的类型包括基于变异的和基于生成的。前者如流量回放和代理，支付源码英文能利用已有的样本或模拟网络通信；后者如生成Fuzzer，能构建输入结构并随机改变部分，确保结构完整性。

       进化型Fuzzing Test利用反馈优化测试用例，逐步覆盖更多代码。在测试过程中，Fuzzer需确定输入的有效性，避免如TCP/IP数据包损坏或OCR程序的图像解析测试误入歧途。

       有效执行Fuzzing Test需要生成或变异测试用例，记录可重复的崩溃场景，并确保与目标程序的顺畅对接。崩溃检测是关键，可通过超时或崩溃跟踪工具来实现。质量可通过速度、测试用例分类和代码覆盖率来衡量和提升。

       众多Fuzzing框架如Radamsa、Sulley、Peach和AFL等可以帮助简化测试过程，为测试工程师提供高效工具。不断学习和实践，才能在软件质量保障中发挥模糊测试的强大作用。

AFL--模糊测试使用浅析

       AFL，全称American Fuzzy Lop，是由安全研究员Micha Zalewski开发的一款强大的模糊测试工具。它基于覆盖引导，通过记录输入样本的代码覆盖率，动态调整输入以提升覆盖率，从而提高发现漏洞的可能性。

       AFL的工作流程包括：首先，它会在编译程序时插入代码覆盖率跟踪代码；接着，mmorpg换皮源码初始化一个输入队列，包含一些测试文件；然后，对队列中的文件进行变异处理，如果变异后的文件覆盖了新的代码，就加入队列继续测试；过程中，若程序崩溃，会记录下来。目标是持续优化测试用例，直到发现潜在的漏洞。

       安装和使用AFL涉及下载源码、编译安装、利用afl-gcc或afl-clang编译测试文件，可能需要修改系统设置如core_pattern。并行测试时，可以根据可用内核数量同时运行多个实例。例如，四个内核可以并发运行四个fuzz实例。

       在模糊测试libjpeg-turbo时，首先编译并安装libjpeg-turbo，需注意动态链接库是否已插桩。通过测试示例验证安装，如果动态链接库未插桩，可以尝试静态链接。通过1亿次以上的模糊测试，验证了libjpeg-turbo的安全性提升。

       此外，AFL还支持内存错误检查工具，如ASAN，通过结合使用可以检测和分析内存安全问题。AFL字典库用于变异操作，码易源码自定义字典则需分析目标程序的特性。对于语料库，AFL提供了afl-cmin用于精简覆盖范围相同的测试用例，而afl-tmin则处理单个文件的优化。

       在持久模式下，AFL针对特定功能进行模糊测试，速度上优于全程序模糊。AFL-cov则用于处理代码覆盖率数据，结合lcov和gcov生成覆盖率报告。afl_postprocess则用于定制生成的种子文件格式。

       总的来说，AFL作为一款实用的模糊测试工具，通过一系列的优化和定制功能，为软件安全测试提供了强大的支持。

afl源码是什么意思？

       AFL(American Fuzzy Lop)是一个开源的模糊测试工具。它的源码指的是AFL工具的代码文件，包括程序的C代码、模糊测试算法和基本工具库等。这些源码可以被修改和定制化，以适应不同应用场景的需要。

       AFL源码的作用是为开发人员提供一个高效的、易于使用的模糊测试工具。通过AFL的源码，开发人员可以了解AFL工作的原理和细节，从而更准确地评估软件漏洞的安全性。同时，AFL源码还可以为用户提供更多的扩展功能和定制化需求。

       AFL源码广泛应用于软件安全测试和软件漏洞挖掘。在漏洞挖掘领域，AFL源码已经成为业界公认的一种高效的漏洞测试工具，并被广泛应用于各类开源软件和商业软件的安全测试评估。此外，AFL源码也可以帮助开发人员构建更加安全、可靠和高效的软件产品。

模糊测试工具 AFL的原理与实践

       在软件开发领域，确保质量和安全是关键。模糊测试作为高效自动化测试策略，专门用于检测程序中的错误和安全漏洞。本文旨在详细介绍AFL（American Fuzzy Lop）的基本原理和实践方法。

       模糊测试原理介绍

       AFL是一种通过输入异常或随机数据来自动化发现程序错误的测试方法。它利用遗传算法不断生成测试用例，并通过动态插桩技术监控程序行为，尤其关注代码覆盖情况。当新输入引发新代码路径时，该输入会被保存以进一步测试。这一循环不断优化测试用例，探索更多程序状态。

       AFL流程图展示了从准备测试用例到监控程序行为的核心步骤，突出其动态性和迭代性。

       AFL采用fork运行模式，这使得程序崩溃时，测试进程不会终止，相较于LibFuzzer更具有优势。然而，频繁的fork操作也意味着效率不如LibFuzzer。

       AFL安装与运行

       AFL主要针对UNIX-like系统，尤其在Linux上表现最佳。Windows用户可通过winafl进行模糊测试，支持多种CPU架构，其中对x和x架构支持最好。若需ARM架构支持，则需使用QEMU模式。

       安装步骤包括源码编译，使用afl-fuzz命令启动测试，命令格式如下：

       命令中的/path/to/program替换为目标程序路径，[options]为程序运行选项或参数。若测试程序需从文件读取输入，可使用@@占位符。AFL将根据测试需求替换此占位符。

       AFL使用示例

       下面是一个简单示例，演示如何使用AFL进行模糊测试。目标程序实现四则运算，使用不安全的gets函数可能导致缓冲区溢出。

       首先，对源码进行AFL编译，添加代码覆盖插桩。接着，准备初始语料库作为测试起点，无论输入是文件还是stdin，AFL都需要初始数据。在运行AFL前设置系统核心转储文件命名规则，便于检测程序崩溃情况。运行测试时，根据程序输入来源选择是否使用@@占位符。

       运行后，AFL界面显示测试结果，包括找到的崩溃和覆盖率信息。结果通过pythia工具分析。输出目录结构清晰，便于后续分析。

       AFL的QEMU模式

       对于已编译的二进制文件，AFL可通过QEMU模式进行模糊测试，无需源码。QEMU模式使用用户模式仿真运行二进制文件，支持对闭源应用的模糊测试。

       QEMU模式安装与使用步骤包括编译QEMU支持和执行AFL-fuzz命令时添加-Q参数。

       AFL++升级版

       AFL++作为AFL的增强版，改进了调度策略和变异算法，新增CMPLOG和持久化等特性，提高代码覆盖率和测试效率。

       CMPLOG功能记录比较操作参数，帮助理解输入逻辑，提高路径覆盖。持久化模式允许程序在单个进程周期内多次执行测试用例，减少启动成本，加快测试速度。

       总结

       AFL是一款功能强大的模糊测试工具，适用于多种架构和系统环境。尽管存在覆盖率瓶颈，但结合其他技术如符号执行，可有效突破限制，提升测试能力。

Dojo构建Ajax应用程序序

       在探索DojoToolkit的世界时，首要的是明确你的目标。我的初衷是创建一个强大而无需专业开发者反复创造的JavaScript工具集，Ajax的兴起促使这一工具集迅速受到开发者和用户的关注。然而，伴随着快速的发展，Dojo团队面临了性能、范围、易用性以及文档等方面的挑战。经过个月的努力，特别是对Dojo0.9、1.0和1.1的改进，文档和API质量显著提升，如今Dojo的声誉得到了显著改善。

       除了详尽的源代码文档，示例是学习的重要辅助。Dojo的强大和高效性可能会让新手感到困惑，它需要开发者具备广泛的技能，包括服务器端编程、JavaScript、CSS、HTML和DOM，以及应对浏览器兼容性问题。Dojo试图减轻这些问题，但新问题的出现仍不可避免。为了解决这些，开发者可以通过阅读书籍、社区支持和商业机构如SitePen获取帮助。

       Dojo的成功源于其透明和开放的开发模式，所有代码基于AFL和BSD协议，旨在促进广泛使用而非限制。众多知名企业，如AOL、Google、IBM等，都对Dojo做出了贡献，其严格的贡献政策确保了长期的合法使用。与其他工具集相比，Dojo在DojoX中的创新超越了行业标准。

       在一次会议中，我有幸结识了James Harmon，他在Dojo讲座中的讲解深入浅出，与Alex Russell和我试图全面介绍不同。James的独特能力在于他能将复杂主题分解成易于理解的概念，使人们能快速掌握Dojo的精髓。

       本书以清晰的教程方式，向非JavaScript专家展示了如何使用Dojo Toolkit轻松构建Web应用和网站，即便没有深入的编程知识，也能通过这个工具实现高效开发。Dylan Schiemann，SitePen的CEO和Dojo Toolkit的联合创始人，强调了这一点。

扩展资料

       本书系统论述了利用Dojo构建Ajax应用程序的方法和实践。全书内容主要由三部分组成：Dojo教程、Dojo Widget、Dojo详解。其中各部分自成一个知识模块，相互之间又恰当衔接。 本书编写体系完整，撰写风格生动、配合大量的代码示例和操作步骤，非常适合Dojo开发者学习参考。