PySimpleFuzzer

于 2022-03-16 17:47:09 发布
阅读量1.2k 收藏
点赞数
分类专栏： fuzz 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35740100/article/details/123532170
版权

Preface

最近看到了一篇博客 Build simple fuzzer写的十分清晰易懂, 其中有句话说的很好 ''if you really want to understand something you should try to disassemble/recreate it."

这里我就按照该博客的思路一点一点写一个简单的fuzzer, 用python写当然只能用来把玩 执行效率限制了它不可能用于现实场景的fuzz 因为fuzz原理并不复杂 但是是一个高度依赖计算量的任务.

Resource

  • EXIF 格式是在JPEG格式中插入一些辅助信息如缩略图,所以后缀仍是.jpg 可以被JPG图片查看器打开
  • exif library EXIF解析库
  • 用于变异的正常原始图像 Cannon_40D.jpg
  • pip install python-ptrace

First Fuzzer

源码

#!/usr/bin/env python3
import sys
import random
from ptrace import debugger
import signal

FLIP_PERCENT = 0.01
SOI_SIZE = 2
EOI_SIZE = 2

def get_bytes(filename):
    f = open(filename,'rb').read()
    return bytearray(f)

def create_new(data):
    with open('data/mutated.jpg','wb+') as f:
        f.write(data)

def bit_flip(data):
    num_of_flips = int((len(data) - SOI_SIZE - EOI_SIZE)* FLIP_PERCENT)
    
    indexes = range(2,len(data)-2)
    chosen_indexes = []
    for i in range(0,num_of_flips):
        chosen_indexes.append(random.choice(indexes))
    
    digites = range(0,8)
    for x in chosen_indexes:
        chosen_digit = random.choice(digites)
        # flip the bit
        data[x] = (data[x] ^ (1 << chosen_digit))     



def execute_fuzz(dbg, data, counter):
  cmd = ['exif/exif', 'data/mutated.jpg']
  pid = debugger.child.createChild(cmd, no_stdout=True, env=None)
  proc = dbg.addProcess(pid, True)
  proc.cont()

  try:
    sig = dbg.waitSignals()
  except:
    return

  if sig.signum == signal.SIGSEGV:
  
    proc.detach()
    with open("./crashes/crash.{}.jpg".format(counter), "wb+") as f:
      f.write(data)


if len(sys.argv) < 2:
    print("Usage: JPEGfuzz.py <valid_jpg>")
else:
    filename = sys.argv[1]
    orig_data = get_bytes(filename)
    dbg = debugger.PtraceDebugger()
    
    for i in range(0,10000):
        data = orig_data[:]
        bit_flip(data)
        create_new(data)
        execute_fuzz(dbg,data,i)
    dbg.quit()

执行

初始环境如下:

crashes和data文件夹皆为空

image-20220316155250365[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jKL9rXXi-1647423988444)(https://raw.githubusercontent.com/picklover/BlogImages/main/img/image-20220316155341809.png?token=AJ7SDVWYS724H4KOKXP6RS3CGGL4G)]

exif 是 EXIF 解析库编译出来的二进制可执行文件

当exif正常解析时结果如下:

image-20220316155540746

执行fuzzer:

image-20220316155824193

发现fuzzer正常执行,并且生成了522个变异后jpg文件 这些文件都令exif解析程序产生segment fault.

简单测试一下,选择其中图片,调用exif程序尝试解析:

image-20220316160133729

原理窥探

Main parts of fuzzer

fuzzing 基本的原则其实相当简单: 喂给一个程序随机的数据,观察它是否崩溃,然后更改一点数据,再重复喂给程序 again and again.

每个fuzzer至少有两个主要模块,变异模块和执行引擎

if len(sys.argv) < 2:
    print("Usage: JPEGfuzz.py <valid_jpg>")
else:
    filename = sys.argv[1]
    orig_data = get_bytes(filename)
    dbg = debugger.PtraceDebugger()
    
    for i in range(0,10000):
        data = orig_data[:]
        bit_flip(data)
        create_new(data)
        execute_fuzz(dbg,data,i)
    dbg.quit()

这是我们fuzzer的主要框架(main函数 我没有单独写成一个函数) 将输入的jpg文件数据读入内存,然后调用bit_flip函数对数据进行位反转操作,然后create_new把更改后的数据写入到一个临时jpg文件中, 然后execute_fuzz函数是执行引擎,调用exif程序 给它临时的jpg变异文件 观察是否会令程序产生段错误,如果这样就把文件保存到crash文件夹下

mutate module

我们这个简单fuzzer的变异策略十分简单清晰: 随机选择一定数量的字节,然后随机在该字节中翻转一些bit,如下:

def bit_flip(data):
    num_of_flips = int((len(data) - SOI_SIZE - EOI_SIZE)* FLIP_PERCENT)
    
    indexes = range(2,len(data)-2)
    chosen_indexes = []
    for i in range(0,num_of_flips):
        chosen_indexes.append(random.choice(indexes))
    
    digites = range(0,8)
    for x in chosen_indexes:
        chosen_digit = random.choice(digites)
        # flip the bit
        data[x] = (data[x] ^ (1 << chosen_digit))

其中 num_of_flips 是我们要选择多少字节进行改动,FLIP_PERCENT是占比总字节多少的常量,这里为1%

通过m^(1<<n) 可以翻转m字节中第n位

SOI_SIZE 和 EOI_SIZE 是常量 皆为两个字节, 这是jpeg文件格式的识别符 就像PE文件的 MZ标识 我们并不想更改这个标识符 所以把它俩扣除 该识别符在jpeg文件的位置是起始和末尾:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LiJcRkJg-1647423988446)(https://raw.githubusercontent.com/picklover/BlogImages/main/img/image-20220316162429855.png?token=AJ7SDVWH7GW4FVK5QE32BD3CGGPP2)]

我们fuzz过程也不会更改SOI和EOI

execute engine
def execute_fuzz(dbg, data, counter):
  cmd = ['exif/exif', 'data/mutated.jpg']
  pid = debugger.child.createChild(cmd, no_stdout=True, env=None)
  proc = dbg.addProcess(pid, True)
  proc.cont()

  try:
    sig = dbg.waitSignals()
  except:
    return

  if sig.signum == signal.SIGSEGV:
  
    proc.detach()
    with open("./crashes/crash.{}.jpg".format(counter), "wb+") as f:
      f.write(data)

我们没有使用常规的execv Popen run此类函数, 使用这些要求我们读取程序执行结果然后parse 输出看看其中是否有Segmentation Fault这样的字符串 或者返回值

我们使用python-ptrace库提供的结构化输出方式,通过返回sig中是否为SIGSEGV来判断

我们创建了一个debugger,让子进程被调试,debugger捕获其收到的内核发来的signal

如果是段错误 我们就把引起错误的数据记录到crash文件夹下

Extend one mutated method

我们创建的第一个简单fuzzer使用的变异算法仅仅是位翻转, 这里引入另一种策略magic nums

一些常见的数据类型的最大值,最小值等是位于边界的 往往会引发溢出 所以策略就是:我们随机替换数据中的字节改成这些容易出问题的magic nums

MAGIC_VALS = [
  [0xFF],
  [0x7F],
  [0x00],
  [0xFF, 0xFF], # 0xFFFF
  [0x00, 0x00], # 0x0000
  [0xFF, 0xFF, 0xFF, 0xFF], # 0xFFFFFFFF
  [0x00, 0x00, 0x00, 0x00], # 0x80000000
  [0x00, 0x00, 0x00, 0x80], # 0x80000000
  [0x00, 0x00, 0x00, 0x40], # 0x40000000
  [0xFF, 0xFF, 0xFF, 0x7F], # 0x7FFFFFFF
]

def magic(data, idx):
  picked_magic = random.choice(MAGIC_VALS)

  offset = 0
  for m in picked_magic:
    data[idx + offset] = m
    offset += 1

代码略作修改,也随机选择一种变异方法, 代码如下:

#!/usr/bin/env python3
import sys
import random
from ptrace import debugger
import signal

FLIP_PERCENT = 0.01
SOI_SIZE = 2
EOI_SIZE = 2

MAGIC_VALS = [
  [0xFF],
  [0x7F],
  [0x00],
  [0xFF, 0xFF], # 0xFFFF
  [0x00, 0x00], # 0x0000
  [0xFF, 0xFF, 0xFF, 0xFF], # 0xFFFFFFFF
  [0x00, 0x00, 0x00, 0x00], # 0x80000000
  [0x00, 0x00, 0x00, 0x80], # 0x80000000
  [0x00, 0x00, 0x00, 0x40], # 0x40000000
  [0xFF, 0xFF, 0xFF, 0x7F], # 0x7FFFFFFF
]

def magic(data, idx):
  picked_magic = random.choice(MAGIC_VALS)

  offset = 0
  for m in picked_magic:
    data[idx + offset] = m
    offset += 1

def get_bytes(filename):
    f = open(filename,'rb').read()
    return bytearray(f)

def create_new(data):
    with open('data/mutated.jpg','wb+') as f:
        f.write(data)

def bit_flip_and_magic(data):
    num_of_flips = int((len(data) - SOI_SIZE - EOI_SIZE)* FLIP_PERCENT)
    
    indexes = range(2,len(data)-6)
    chosen_indexes = []
    methods = [0,1]
    for i in range(0,num_of_flips):
        chosen_indexes.append(random.choice(indexes))
    
    digites = range(0,8)
    for x in chosen_indexes:
        method = random.choice(methods)
        # magic method
        if method == 0:
            magic(data,x)
        # flip the bit method
        else:
            chosen_digit = random.choice(digites)
            data[x] = (data[x] ^ (1 << chosen_digit))     





def execute_fuzz(dbg, data, counter):
  cmd = ['exif/exif', 'data/mutated.jpg']
  pid = debugger.child.createChild(cmd, no_stdout=True, env=None)
  proc = dbg.addProcess(pid, True)
  proc.cont()

  try:
    sig = dbg.waitSignals()
  except:
    return

  if sig.signum == signal.SIGSEGV:
  
    proc.detach()
    with open("./crashes/crash.{}.jpg".format(counter), "wb+") as f:
      f.write(data)


if len(sys.argv) < 2:
    print("Usage: JPEGfuzz.py <valid_jpg>")
else:
    filename = sys.argv[1]
    orig_data = get_bytes(filename)
    dbg = debugger.PtraceDebugger()
    
    for i in range(0,10000):
        data = orig_data[:]
        bit_flip_and_magic(data)
        create_new(data)
        execute_fuzz(dbg,data,i)
    dbg.quit()

我们单独测试一下,当仅使用magic方法时能fuzz出多少crash(不随机变异方法 只使用magic)

经测试 单独使用magic方法时 效果很好,产生了415个crash

image-20220316172520676

summary

我们编写了一个简单的fuzzer, 效果比较理想 从中学习了fuzz的核心思想 后面会继续扩充fuzzer
bit_flip_and_magic(data)
create_new(data)
execute_fuzz(dbg,data,i)
dbg.quit()


我们单独测试一下,当仅使用```magic```方法时能fuzz出多少crash(不随机变异方法 只使用magic)

经测试 单独使用``magic``方法时 效果很好,产生了415个crash

[外链图片转存中...(img-TSCoj9fZ-1647423988446)]

## summary

我们编写了一个简单的fuzzer, 效果比较理想 从中学习了fuzz的核心思想 后面会继续扩充fuzzer
AlwaysBetter
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
chatgpt赋能Python-python_fuzz
aijinglingchat的博客
05-23 235
在计算机科学中，模糊测试（fuzz testing）又称为随机测试或黑盒测试，是一种软件测试方法，其目的是发现软件中的未预期的行为。该技术通过自动生成（或随机选择）数据输入来检测程序中的错误。它是一种被广泛应用于安全测试和软件质量保证的方法。Python Fuzz是一种基于Python语言的模糊测试工具。它能快速、自动且高效地完成模糊测试，是一种广泛应用于软件开发和安全测试的方法。Python Fuzz不仅可以检测程序中的错误，还可以帮助开发者找出程序中潜在的安全漏洞。
用于FUZZ测试的程序及其详解
qq_33517546的博客
04-22 4876
//代码摘抄自模糊测试 [...] if (!(pid = fork ())) {/*child*/ ptrace(PTRACE_TRACEME,0,NULL,NULL) //long ptrace(enum_ptrace_request requese,pid_t_ pid, void *addr,void *data);
freaking-simple-fuzzer:该死的简单模糊器！
06-27
##Freakin' Simple Fuzzer FSF 是一个基于插件的 freakin' simple fuzzer，用于模糊测试 Web 应用程序和抓取数据。 平台 视窗（.NET 框架 3.5） OSX（单声道）。 Linux（单声道）。 ##Quick Info 它支持一些基本的东西，但缺少一些功能，但是它有一些高级的 RegEx 捕获功能，可以从 Web 应用程序中提取数据。 它仍处于发展的早期阶段。 它没有经过很好的测试，我在需要时开发了它，所以不要抱太大希望。 尽管总是欢迎您提出功能请求并报告一些错误。 ##为什么将另一个模糊器带入这个残酷的世界？ 是的，我知道有很多人在闲逛。 基本上我是想模糊一些东西，在花了大约 2-3 个小时大约 3-4 个不同的设计非常糟糕的模糊器之后，我认为敲掉我的会更好。 无意冒犯其他 fuzzer，我绝不声称这种 fuzzer 设
模糊测试工具Simple Fuzzer
weixin_33757911的博客
04-21 556
2019独角兽企业重金招聘Python工程师标准>>> ...
api-fuzz：python restful api模糊测试
02-05
IntelliFuzzTest cli测试工具 安装 git clone https://github.com/smasterfree/api-fuzz.git pip install -r requirements.txt 快速开始 将curl请求体放进request.txt文件中，执行命令 python IntelliFuzzTest_cli.py request.txt 特色 支持请求身体体变异 支持请求url path变异 随机增删请求标头 支持发布/获取/删除/放入方法 可以直接根据curl命令进行变异 背景 在日常测试工作中，经常会有api接口的测试，除了正向流程的测试之外，我们经
pythonfuzz：覆盖率指导的python模糊测试
02-06
fuzzit.dev被GitLab ，此仓库的新家 pythonfuzz：适用于python的覆盖率指导的模糊测试 PythonFuzz是覆盖引导用于测试Python包。 模糊搜索python之类的安全语言是一种强大的策略，可用于查找未处理的异常，逻辑错误，由挂起和过多的内存使用引起的逻辑错误和拒绝服务引起的安全性错误。 除经典的单元测试外，模糊测试在现实世界的软件中还可以视为一种强大而有效的策略。 用法 模糊目标 第一步是实现以下功能（也称为模糊目标）。 这是内置html模块的简单模糊功能示例 from html . parser import HTMLParser from pytho
Python-Fuzzinator随机测试框架
08-10
Fuzzinator随机测试框架
FuzzBench-Fuzzer基准测试即服务。-Python开发
05-25
FuzzBench-Fuzzer基准测试即服务。 FuzzBench：作为服务的Fuzzer基准测试FuzzBench是一项免费服务，可根据Google规模的各种实际基准对Fuzzer进行评估。 FuzzBench的目标是使人们能够不费力地严格评估模糊测试，并使社区更容易采用模糊测试。 我们邀请研究社区的成员为他们的模糊测试做出贡献，并就改进评估技术提供反馈。 FuzzBench提供：用于集成模糊器的简单API。 基准测试
python写的驱动fuzz程序
06-07
python写的驱动fuzz程序,对iocontrolcode进行fuzz测试
Python：fuzzywuzzy文本相似度检测
Zhang Phil
01-26 733
from fuzzywuzzy import fuzz if __name__ == '__main__': r1 = fuzz.ratio("zhang phil", "zhang") r2 = fuzz.ratio("zhang phil", "zhang phil!") r3 = fuzz.partial_ratio("zhang phil", "zhang phil!") r4 = fuzz.ratio("zhang phil", "zhang phil") .
大话FUZZ测试
热门推荐
JBlock的博客
03-17 1万+
前言 在此之前我已经分享了关于FUZZ的两篇文章，一篇是关于FUZZ过某狗进行SQL注入，一篇是关于一款经典工具WFUZZ的使用！今天我就FUZZ测试流程进行简单分析！欢迎各位斧正！ 文章目录前言正文FUZZ敏感目录御剑DirsearchDirbWFUZZ参数FUZZPayload FUZZ**栗子****关于字典****结语** 正文 核心思想 目录Fuzz( base ) 参数Fuzz Pa...
多线程FUZZ WAF的python脚本
夜班机器人的博客
02-09 2359
#!/usr/bin/python #coding:utf-8 ''' 学习了Va1n3R的注入绕过思路，自己也学习一下fuzz脚本的编写 规则库还是使用Va1n3R的 fuzz_zs = ['/*','*/','/*!','*','=','`','!','@','%','.','-','+','|','%00'] fuzz_sz ...
Python攻防-Fuzz绕过安全狗进行SQL注入
道阻且长，行则将至。
04-19 3558
文章目录前言WAF部署WAF简述网站安全狗Fuzz脚本绕过Fuzz脚本脚本效果SQLMap绕过Fuzz关键词tamper绕过总结 前言 在渗透测试过程中，经常会遇到很多 Web 站点部署了 WAF，这个时候使用常规的 Payload 进行 XSS、SQL 注入的检测避免不了被 WAF 拦截阻断的命运。 Fuzz 模糊测试是一种有效的检测 WAF 过滤规则缺陷并尝试进行 WAF 绕过的技术，本文将以“PhpStudy+DVWA+ 安全狗v4.0”的实验环境演示 Fuzz 测试绕过 WAF。 WAF部署 我在
一些值得学习的Fuzzer开源项目
漏洞战争
07-14 5587
之前GitHub上有人整理过一个叫Awesome-Fuzzing的资料，整理了关于Fuzzing技术的电子书、视频、工具、教程以及用于练习的漏洞程序。整体上不错，但工具上...
资源:开源Fuzzers工具列表 (以及其它fuzzing工具)
推理小孩的博客
06-23 2762
资源:开源Fuzzers工具列表 (以及其它fuzzing工具) 开源fuzzers‍ / 开源fuzzing工具的最新列表（Fuzzers，没有标准中文翻译，可以理解为模糊测试工具或者模糊器） 如果你知道有需要添加的部分，那么请在这里或在推特上@Peerlyst来联系我 资源：开源 Fuzzers结构的Peerpower列表： 1.开源Fuzze...
AWVS-HTTP Fuzzer使用教程
W小哥
12-26 1461
第一步：把webshell放在phpstudy的WWW目录下 第二步，打开火狐浏览器，开启本地代理 第三步：打开webshell界面 第四步：打开AWVS抓包功能，抓取数据包 第五步：将红框中的IP地址导入都HTTP Fuzzer中 第六步：在HTTP Fuzzer中测试，添加字典 点击start开始 因为14844字节比前面的字节长，并且后面都是14844字节，那么密码就是4125...
天融信AlphaFuzzer测试工具 使用教程
王骕的专栏
08-14 3627
原文：http://blog.topsec.com.cn/ad_lab/alphafuzzer/ AlphaFuzzer1.1 AlphaFuzzer1.2 更新记录： 2015年7月30日  1.2 2015年7月23日  1.1 2015年7月13日  1.0 软件简介： AlphaFuzzer是一款多功能的漏洞挖掘工具，到现在为止，该程序以文件格式为主。
渗透测试
BRAVE MAN的博客
11-18 789
渗透测试相关工具 Application：simple Fuzzer、peach、Nessus、Burp suit、Nikto、Metasploit、openVAS、John the Ripper、Netsparker、AWVS、Probely Data：sqlmap、Metasploit、Netsparker、AWVS、Probely RunTime：Memory Anal...
软件测试--基础知识2--开发模型、测试模型
ANingL的博客
09-08 723
文章目录一、开发模型1、瀑布模型1、概念2、测试的切入点3、优缺点1）优点2）缺点3）改良2、快速原型模型1）描述2）优缺点i、优点ii、缺点3、螺旋模型1）描述2）优缺点i、优点ii、缺点 一、开发模型 1、瀑布模型 1、概念 是线性模型的一种，在所有模型中占有重要地位，是所有其他模型的基础 每一个阶段执行依次，按线性顺序进行软件开发 2、测试的切入点 测试阶段处于软件实现后，必须在代码完成后流出足够的时间给测试活动，否则将导致测试不充分，很多问题到项目后期才暴露 3、优缺点 1）优点 开发的各个
进行一个完整的fuzz过程
秀玉轩晨的博客
10-19 1676
开始fuzzing 首先从github上把代码给克隆下来: git clone https://github.com/brackeen/ok-file-formats.git 编写Fuzz程序 我们先编写一个程序将要测试的函数加进去,如下写出一个都jpg文件的程序main.c. #include <stdio.h> #include <stdlib.h> #include "ok_jpg.h" #include "ok_jpg.c" int main(int _argc, cha

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值