2024年网安最新AFL++简单学习_afl++ iot(1)

cd AFLplusplus
make distrib
sudo make install

make distrib还构建了 FRIDA 模式、QEMU 模式、unicorn\_mode 等。如果你只想要普通的 AFL++：  
 make all  
 如果您想要编译一些辅助工具但对纯二进制目标不感兴趣，请选择：  
 make source-only


#### 构建目标选项


* all：主要的 AFL++ 二进制文件和 llvm/gcc 工具
* binary-only：仅二进制模糊测试的所有内容：frida\_mode、nyx\_mode、qemu\_mode、frida\_mode、unicorn\_mode、coresight\_mode、libdislocator、libtokencap
* source-only：用于源代码模糊测试的所有内容：nyx\_mode、libdislocator、libtokencap
* distrib：一切（适用于仅二进制和源代码模糊测试）
* man：从程序的帮助选项创建简单的手册页
* install：安装使用上面的构建选项编译的所有内容
* clean：清理所有已编译的内容，而不是下载的内容（除非不在结帐时）
* deepclean：清理所有内容，包括下载
* code-format：格式化代码，请在提交并发送 PR 之前执行此操作！
* tests：运行测试用例以确保所有功能仍然正常工作
* unit：执行单元测试（基于cmocka）
* help：显示这些构建选项


#### 编译选项


STATIC - 编译 AFL++ 静态  
 CODE\_COVERAGE - 编译代码覆盖率目标（请参阅 docs/instrumentation/README.llvm.md）  
 ASAN\_BUILD - 使用内存清理程序编译 AFL++ 以进行调试  
 UBSAN\_BUILD - 使用未定义的行为清理程序编译 AFL++ 工具以进行调试  
 DEBUG - 无优化、-ggdb3、所有警告和 -Werror  
 LLVM\_DEBUG - 显示 llvm 弃用警告  
 PROFILING - 使用分析信息编译 afl-fuzz  
 INTROSPECTION - 使用突变内省编译 afl-fuzz  
 NO\_PYTHON - 禁用 python 支持  
 NO\_SPLICING - 禁用 afl-fuzz 中的剪接突变，不建议用于正常模糊测试  
 NO\_UTF - 不要在状态屏幕中使用 UTF-8 进行线条渲染（回退到普通 AFL 的 G1 框绘图）  
 NO\_NYX - 禁用构建 nyx 模式依赖项  
 NO\_CORESIGHT - 禁用构建 coresight（仅限arm64）  
 NO\_UNICORN\_ARM64 - 禁用在arm64上构建独角兽  
 AFL\_NO\_X86 - 如果在非 intel/amd 平台上编译  
 LLVM\_CONFIG - 如果您的发行版不使用 llvm-config 的标准名称（例如 Debian）


## AFL++使用


### 测试目标及其说明


* Binary-only: fuzzing\_binary-only\_targets.md
* GUI programs: best\_practices.md#fuzzing-a-gui-program
* Libraries: frida\_mode/README.md
* Network services: best\_practices.md#fuzzing-a-network-service
* Non-linux: unicorn\_mode/README.md


### 选择测试目标


例如： Cisco RV130 VPN 路由器的固件：https://software.cisco.com/download/home/285026141/type/282465789/release/1.0.3.55?i=!pp  
 该文件名为RV130X\_FW\_1.0.3.55.bin  
 使用binwalk提取二进制文件，jsonparse和xmlparser1二进制文件进行模糊测试，由于没有源码，所以需要使用qemu模式  
 例如：  
 TP-Link SR20路由器的固件，固件的下载地址如下：https://static.tp-link.com/2018/201806/20180611/SR20(US)\_V1\_180518.zip

$ binwalk -Me tpra_sr20v1_us-up-ver1-2-1-P522_20180518-rel77140_2018-05-21_08.42.04.bin

### 了解目标接受的输入


qemu-arm-static和 --help 参数运行xmlparser1会显示用法  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/2baa791b39404957ae1e8ff0e6244274.png)  
 我们可以创建一个测试 XML 文件并运行xmlparser1。  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/fd2163c0536943e3a0070c60ecf76954.png)


#### 收集语料库


对于基于变异的模糊测试工具而言，需要为其准备一个或多个起始的输入案例，这些案例通常能够很好的测试目标程序的预期功能，这样我们就可以尽可能多的覆盖目标程序。


收集语料的来源多种多样。通常目标程序会包含一些测试用例，我们可以将其做位我们初始语料的一部分，此外互联网上也有些公开的语料库你可以收集他们做为你的需要。


关于语料库的主动性选择，这个更多需要你对fuzzing 目标内部结构的了解。例如你当你要fuzzing的目标对随着输入的规模内存变化非常敏感，那么制作一批很大的文件与较小的文件可能是一个策略，具体是否是否有效取决于你经验、以及对目标的理解。


此外，需要注意控制语料库的规模，太过庞大的语料库并不是好的选择，太过潘达的语料库会拖慢fuzzing的效率，尽可能用相对较小的语料覆盖更多目标代码的预期功能即可。


一些常见的在线样本集

https://files.fuzzing-project.org/
http://samples.ffmpeg.org/
http://lcamtuf.coredump.cx/afl/demo/
https://github.com/MozillaSecurity/fuzzdata
https://github.com/strongcourage/fuzzing-corpus
https://github.com/Cisco-Talos/clamav-fuzz-corpus
https://github.com/mozilla/pdf.js/tree/master/test/pdfs
https://github.com/codelibs/fess-testdata
https://github.com/google/honggfuzz/tree/master/examples/apache-httpd

##### 精简语料库


在AFL++中可以使用工具afl-cmin从语料库中去除不会产生新路径和覆盖氛围的重复输入，并且AFL++官方提示强烈建议我们对语料库唯一化，这是一个几乎不会产生坏处的友谊操作。  
 具体的使用如下：


* 将收集到的所有种子文件放入一个目录中，例如 INPUTS。
* 运行 afl-cmin：

如果要通过模糊测试来调用目标程序 bin/target INPUTFILE ，请将目标程序将从中读取的 INPUTFILE 参数替换为 @@

afl-cmin -i INPUTS -o INPUTS_UNIQUE – bin/target -someopt @@

如果目标从 stdin（标准输入）读取，只需省略 ， @@ 因为这是默认值：

afl-cmin -i INPUTS -o INPUTS_UNIQUE – bin/target -someopt

#### 构建输入输出文件


需要自行构建输入文件夹：用来存储初始种子，即将上述种子存到一个文件夹中  
 需要构建输出文件夹：用来存储测试反馈与记录


### 运行AFL++


如果程序从 stdin 读取，afl-fuzz请像这样运行：

./afl-fuzz -i seeds_dir -o output_dir –
/path/to/tested/program […program’s cmdline…]

要添加字典，请添加-x /path/to/dictionary.txt到 afl-fuzz。  
 如果程序从文件获取输入，则可以将其放入@@程序的命令行中；AFL++ 将为您放置一个自动生成的文件名。  
 以上面目标为例：

$ QEMU_LD_PREFIX=./squashfs-root/ /home/iot/tools/AFLplusplus/afl-fuzz -Q -i squashfs-root/bmp-input/ -o squashfs-root/bmp-output/ – ./squashfs-root/usr/bin/bmp2tiff @@ /dev/null # root权限下

-Q：适用qemu模式

-i：输入文件夹

-o：输出文件夹

@@：表示将用来替换的样本

学习路线：

这个方向初期比较容易入门一些，掌握一些基本技术，拿起各种现成的工具就可以开黑了。不过，要想从脚本小子变成黑客大神，这个方向越往后，需要学习和掌握的东西就会越来越多以下是网络渗透需要学习的内容：

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以点击这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！