漏洞挖掘论文常用数据集

• Author：ZERO-A-ONE
• Date：2021-03-31

一、简介

最近因为写有关于模糊测试的论文，需要相关数据集，故进行了一些调研和收集，此贴长期更新于Gtihub，地址如下

https://github.com/ZERO-A-ONE/Fuzzing-data-set.git

一般来说漏洞挖掘的论文一般会有两方面的数据展示：

• 常用的测试数据集，也就是本贴主要收集的
• 常用软件，也就是面对真实软件的漏洞挖掘情况

二、数据集

• cb-multios：基于DARPA Challenge的测试数据集，进行了一定的修改可以编译运行在Linux，OS X与Windows操作系统上
• lava_corpus：LAVA是一组用来评估漏洞检测工具的benchmark软件，通过LAVA在uniq、who、md5sum、base64四个程序上进行bug插入而形成的测试集即为LAVA-M
• neuzz：neuzz是一个利用机器学习来提高模糊测试效率的项目，其仓库中的programs有许多的测试样例
• lava：lava是之前lava_corpus的最新版本，由于缺乏基本事实语料库（即，具有触发输入的已知错误的软件），目前难以评估和改进错误查找工具。LAVA试图通过自动将错误注入软件来解决此问题。每个LAVA错误都伴随有触发它的输入

三、使用方法

3.1 cb-multios

这里仅讨论在Linux环境下的编译方式，首先需要安装一些必备的包

$ sudo pip install xlsxwriter pycrypto defusedxml pyyaml matplotlib

然后运行写好的脚本就行编译就好了

$ ./build.sh

如果不想使用任何Python的包还可以执行这样编译

$ NO_PYTHON_I_KNOW_WHAT_I_AM_DOING_I_SWEAR=1 ./build.sh

默认的编译脚本编译出来的程序是32位程序，如果你想要编写64位程序就需要这样执行编译脚本

$ BUILD64=1 ./build.sh

3.2 lava-corpus

LAVA-M的下载地址为

http://panda.moyix.net/~moyix/lava_corpus.tar.xz

点击链接下载压缩包并解压，可以在文件夹中找到分别存放base64、md5sum、uniq、who的子文件夹

$ xz -d lava_corpus.tar.xz 
$ tar xvf lava_corpus.tar 

ubuntu@VM-4-12-ubuntu:~/git/Fuzz-Test/lava_corpus/LAVA-M$ ls -all
total 24
drwxr-xr-x 6 ubuntu ubuntu 4096 Jun  8  2016 .
drwxrwxr-x 4 ubuntu ubuntu 4096 Jun  9  2016 ..
drwxr-xr-x 6 ubuntu ubuntu 4096 Jun  9  2016 base64
drwxr-xr-x 7 ubuntu ubuntu 4096 Jun  9  2016 md5sum
drwxr-xr-x 6 ubuntu ubuntu 4096 Jun  9  2016 uniq
drwxr-xr-x 6 ubuntu ubuntu 4096 Jun  9  2016 who

需要安装 libacl, 命令为：

$ sudo apt-get install libacl1-dev

运行下面的命令即可将Bug嵌入到base64中，编译后的base64位于目录：lava_corpus/LAVA-M/base64/coreutils-8.24-lava-safe/lava-install/bin/中

$ cd base64
$ ./validate.sh

成功的话就会如下所示：

ubuntu@VM-4-12-ubuntu:~/git/Fuzz-Test/lava_corpus/LAVA-M/base64$ ./validate.sh
Building buggy base64...
Checking if buggy base64 succeeds on non-trigger input...
Success: base64 -d inputs/utmp.b64 returned 0
Validating bugs...
Validated 44 / 44 bugs
You can see validated.txt for the exit code of each buggy version.

如果要使用AFL或者AFL++之类的模糊测试引擎得话，可以在环境变量里面修改gcc和g++参数

export CC=afl-clang-fast
export CXX=afl-clang-fast++

然后重新执行编译就好了