第九章：Code-Coverage-Guided Fuzzing

Code-Coverage-guided Fuzzing

其他三种 fuzzing

• random fuzzing

• mutation-based fuzzing

• generation-based fuzzing

• 上述三种 fuzzing 都存在同样的缺点：它们用于为被测程序生成输入的策略没有反馈循环（the strategy that they use to generate inputs for the program under test has no feedback loop）。

• 这些方法中的每一种都会为被测程序生成输入，但通常 对程序正在执行什么操作是盲目或不知情的。

• 因此，到目前为止我们所学习的 这三种技术都被称为黑盒技术，因为它们完全无视被测程序（尽管可能对其输入格式有一定了解，但并不了解该程序的代码）。

• 在本章中，我们将介绍 code-coverage-based 及其在流行通用模糊器American Fuzzy Lop (AFL)中的体现。

Code coverage guided Fuzzing

• 回想一下前一章节中的以下程序，以及到达第7行（模拟故障发生的位置）的困难。要做到这一点，需要能够生成与字符串“bad！”对应的确切四个字节：在大约43亿种可能性中选择一个。
• 我们可以克服黑盒模糊测试技术的局限性的一种方法是 允许模糊器监控被测试程序的执行，并 利用这些信息来指导其关于下一个要生成的输入的决策。
• 一种流行的技术是 监控每个输入所达到的代码覆盖率。这种技术被称为 覆盖引导模糊测试。它也被称为 灰盒模糊测试技术，因为与黑盒技术不同，它在部分了解被测试程序方面运作，具体而言就是能够观察每个输入所覆盖（即执行）的程序部分。
• 美国Fuzzy Lop（AFL）工具推广了覆盖引导模糊测试，并自2013年发布