One Fuzzing Strategy to Rule Them All

One Fuzzing Strategy to Rule Them All

---

相关链接

One Fuzzing Strategy to Rule Them All

参考链接

概述

在本文中作者提出了对变异策略havoc的研究，通过调查在不同模糊测试器上havoc的实际执行时间与边覆盖的关系、以及havoc在不同模糊测试器下执行相同时间后边覆盖的差异，作者提出只要给havoc足够的执行时间，就能带来更高的边覆盖，同时也会降低不同模糊器之间的边覆盖差异。同时作者测试了stack size ，以及不同的变异策略（单元变异和块变异）对havoc性能的影响，并基于此提出了一个多臂老虎机模型。

---

背景

​ 在进行漏洞挖掘中，模糊测试已经成为了一种主流的漏洞挖掘工具。而在此期间出现的很多fuzzer都使用了一种havoc的随机搜索机制，以提高代码的覆盖率。

​ 然而，作者发现，在这些使用了havoc的模糊器中，大部分采用的都是havoc的默认设置，基于此，带着havoc是否还能在fuzzer中表现出更大的潜能这一问题，作者进行了本文的实验研究。

​ 基于覆盖的模糊测试过程如下：

​ 模糊测试器会从语料库中选定一个种子并传递给havov进行变异，havoc的变异由变异次数和编译器叠加次数决定。havoc会根据种子的实时信息决定种子的变异次数，即模糊器需要执行多少次havoc操作。确定havoc的变异次数后，在每次变异之前havoc还需要确定一个变异器叠加次数，并根据该次数从变异策略中随机选择变异方法进行叠加，havoc的变异策略如下所示：

​ 其中红色字体部分为单元变异，表示编译单个字节或单词，而蓝色部分则表示块变异，变异非确定性数量的字节。havoc同时是随机选择变异策略叠加在一起最后生成一个新的种子。

​ 在将havoc集成到模糊器上时，不同的fuzzer之间也存在一定的差别，主要有两种集成方式，顺序执行和多线程并行的方式，其执行过程如下：