一、AFL簡介
AFL（American Fuzzy Lop）是由安全研究員Micha? Zalewski（@lcamtuf）開發的一款基於覆蓋引導（Coverage-guided）的模糊測試工具，它通過記錄輸入樣本的代碼覆蓋率，從而調整輸入樣本以提高覆蓋率，增加發現漏洞的概率。
①從源碼編譯程序時進行插樁，以記錄代碼覆蓋率（Code Coverage）；②選擇一些輸入文件，作為初始測試集加入輸入隊列（queue）；③將隊列中的文件按一定的策略進行「突變」；④如果經過變異文件更新了覆蓋範圍，則將其保留添加到隊列中; ⑤上述過程會一直循環進行，期間觸發了crash的文件會被記錄下來。
【——全網最全的網絡安全學習資料包分享給愛學習的你，關注我，私信回復「領取」獲取——】
1.網絡安全多個方向學習路線
2.全網最全的CTF入門學習資料
3.一線大佬實戰經驗分享筆記
4.網安大廠面試題合集
5.紅藍對抗實戰技術秘籍
6.網絡安全基礎入門、Linux、web安全、滲透測試方面視頻
二、AFL安裝、測試
*1.安裝AFL*
下載源碼
Make
llvm_mode安裝
之後輸入以下命令進行安裝
*2.AFL測試*
下載一個有缺陷的c文件
使用 afl-gcc/afl-clang 編譯
生成一些種子語料庫
開始fuzz
提示修改/proc/sys/kernel/core_pattern
再次運行之前的代碼可看到fuzz進度
現在就表示我們的ACL已經安裝成功了，注意出現（odd,check syntax!）是表示樣例根本沒有進入到測試中去，需要調整語料庫。
Ctrl+C打斷可以在out文件里看見我們的測試信息
*3.並行fuzz測試*
每個afl-fuzz進程占用CPU的一個核，實際上如果是多核的主機，AFL就可以並行工作
首先先看自己有多少內核
以上可以看出有四個內核意味著可以同時運行4個實例
首先指定主實例 -M 用於主實例，將 -S 添加到所有從屬實例。它們可以相互同步
主實例：afl-fuzz -M master -i in/ -o out/ -m none -- ./imgRead_afl @@
從實例：afl-fuzz -S slave1 -i in/ -o out/ -m none -- ./imgRead_afl @@
在之前的out文件夾會多出倆個不同的文件夾masterh和slave1
現在嘗試假如我們一次性運行5個實例會怎麼樣
在運行第5個實例後報錯，其他實例不受影響，也可以確定4個核在運行中
三、AFL模糊測試libjpeg-turbo
libjpeg是專門處理Jpeg解碼、編碼、轉碼的自由軟體庫。libjpeg-turbo是其fork版本，還有一個基於libjpeg-turbo的fork的版本是MozJpeg。
*1.編譯libjpeg-turbo*
首先下載libjpeg-turbo
之後需要修改cmakelist.txt,進行插樁編譯
在cmakelist.txt中，在cmake_minimum_required命令下添加編譯器選項，在前面添加，免得被覆蓋，進行插樁編譯
之後在libjpeg-turbo文件夾下
mkdir build
cd build
cmake ..
make
sudo make install
安裝好之後build的內容如下
之後利用程序的示例對是否成功安裝libjpeg-turbo庫進行測試
該函數有倆個參數 一個輸入文件名，一個作為輸出文件名
具體作用就是調用了turbojpeg.h這個庫函數對輸入的jpg圖片進行壓縮
因為修改了cmake中的編譯器設置，應該庫函數裡已經是被插過樁的，所以在編譯時是可以不用afl-gcc編譯也可以進行檢測
這樣是可以生成可執行文件，也可以實現壓縮圖片的功能，這裡也對之前的樣例進行了修改，只接收一個變量，並且不對壓縮文件進行保存
但在進行模糊測試時出現以下問題
沒有插樁信息，無法進行測試
發現它是動態編譯的，雖然應該其動態連結庫是插過樁的。但最後已知沒有實現。這裡最後考慮是想通過連結靜態庫實現。也是在網上查詢未果後，發現在根目錄下輸入 make test，可以調用他自己的樣例進行測試，這其中就包括了靜態連結的測試
在一個靜態連結測試的項目下，查看其ling.txt,得到靜態編譯的方式
最後對自己的編譯自己的樣例
之後開始模糊測試
總共測試次數超過1億次，開了4個並行
4個樣例的的最開始輸入都是不一樣的，可以從路徑速度和總量上看出明顯的區別，確實libjpeg-turbo在更新2.0之後，其安全性能得到了極大的提升，沒有收到一個報錯信息。
*2.內存錯誤檢查工具*
這裡有很多的內存檢查工具，這裡舉個大概，只大概研究ASAN (-fsanitize=address)的使用和與AFL測試的結合
這裡測試了幾個漏洞文件以此來明晰ASAN的作用
編譯文件模板如下
g++ -fsanitize=address -fno-omit-frame-pointer -o t xxx.cpp
這裡只對幾種漏洞進行展示
use-after-fee
可以看到漏洞的名稱和發生的內存地址
stack buffer overflow
還有很多其他類型的漏洞可以進行檢測
Address Sanitizer 用法 - 簡書 (jianshu.com)
https://www.jianshu.com/p/3a2df9b7c353在AFL中啟用ASAN的方式也比較簡單
在make時加上AFL_USE_ASAN=1
注意之後編譯文件時需要加上啟用asan的參數，不然會報錯
*3.構造自己的字典*
AFL自帶自己的一個字典庫，主要用於各種變異操作的
如下是AFL的jpeg的字典
為了符合jpeg圖片的實際，需要分析在jpeg中出現次數多且固定的字符
這裡挑選一些頻率較高的字符加入字典
這裡挑選的字符主要來源自各種jpeg的開頭部分
之後如果要使用字典需要使用-x參數進行指定字典文件
https://paper.seebug.org/496/#dictionary
*4.語料庫蒸餾*
afl-cmin的核心思想是：嘗試找到與語料庫全集具有相同覆蓋範圍的最小子集。舉個例子，假設有多個文件，都覆蓋了相同的代碼，那麼就丟掉多餘的文件。
最後只留下一個文件
afl-tmin（減小單個輸入文件的大小）
afl-tmin有兩種工作模式，
instrumented mode和crash mode。默認的工作方式是instrumented mode
後面查資料得到tmin只能處理文件，文件夾需要修改腳本
精簡到0bytes,後面在網上看到了相似的例子，這和tmin的精簡策略有關，確實存在這種情況。
如果加上了參數-x，就會調用crash mode模式，會把導致程序非正常退出的文件直接剔除。這裡測試的樣例並沒有crash例子，所以不進行測試。
*5.持久模式*
在持久模式下，AFL 僅模糊部分程序，而不是整個程序。當只想模糊複雜軟體中的特定功能時，這很有用。與分叉伺服器模式相比，這提供了許多速度改進。
具體例子如下：
對想要進行的部分進行修改
此時修改的文件是turbojpeg.c
再修改cmakelist.txt如下
之後對庫進行重新編譯
編譯方式
再進行afl-fuzz(與之前一致)
速度上確實比之前的速度要快，最快時比之前要快上倆倍多
*6.Afl-cov使用*
可以快速幫助我們調用lcov和gcov處理來自afl-fuzz測試用例的代碼覆蓋率結果
安裝
GCOV，它隨gcc一起發布，所以不需要再單獨安裝，和afl-gcc插樁編譯的原理一樣，gcc編譯時生成插樁的程序，用於在執行時生成代碼覆蓋率信息
LCOV，它是GCOV的圖形前端，可以收集多個源文件的gcov數據，並創建包含使用覆蓋率信息注釋的原始碼HTML頁面。
這裡也可以使用apt-install afl-cov來安裝，不過看網上建議這個版本實際使用上會有問題，所以這裡還是直接下載源碼
為了實現檢查覆蓋率需要修改cmakelist.txt如下
再次編譯庫
編譯文件
這裡的afl-cov選擇實時監控 也就是添加--live，先啟動afl-cov,後啟動afl-fuzz，當afl-fuzz退出時，afl-cov就會跟著退出
啟動afl-cov的命令
/home/user/Desktop/afl-cov/afl-cov -d afl-cc --live --enable-branch-coverage -c . -e "cat AFL_FILE | ./ttt AFL_FILE" --overwrite
-d是之後afl-fuzz的輸出文件，-c是直向源碼文件的，在編譯.c文件後，會生成一個.gno文件，-c 後面跟該文件的目錄
啟動afl-fuzz（與之前一致）
Afl-fuzz退出後，afl-cov需要等一會才能正常退出，此時就可以看見生成分析的網頁了
也可以針對已經生成的數據直接開啟afl-cov,但要求編譯已經加上了-fprofile-arcs -ftest-coverage
網頁首頁
也可以進入到文件里，查看具體語句的執行次數
*7.afl_postprocess使用*
它最主要的作用就是可以規定生成種子的格式
作者在github上的樣例的作用是讓每個測試用例開頭的標頭都是
GIF89ahttps://github.com/mirrorer/afl/blob/master/experimental/post_library/post_library.so.c編譯方法
gcc -shared -wall -O3 post_library.so.c -o post_library.so
可以看看afl-fuzz.c對該方法的支持
獲取AFL_POST_LIBRARY環境變量的值，自動加載afl_postprocess函數
這裡推薦使用export設定環境變量，需要說明的是export的環境變量只在當前的shell（BASH）或其子shell（BASH）下是有效的，shell關閉了，變量也就失效了，再打開新shell時就沒有這個變量，需要使用的話還需要重新定義。如果需要一直使用，需要修改配置文件，方法推薦
https://blog.csdn.net/wx_it/article/details/118450790
加載後處理器庫成功
也可以看到我們的測試樣例變成了GIF格式，後處理庫有效。
測試其他的例子
這部分需要注意的是對源碼的處理，確保樣例格式的滿足輸入的要求
參考資料
Fuzzing open source softwares with AFL
AFL 漏洞挖掘技術漫談（一）：用 AFL 開始你的第一次 Fuzzing
AFL 漏洞挖掘技術漫談（二）：Fuzz 結果分析和代碼覆蓋率
Fuzzing software: common challenges and potential solutions (Part 1)
Fuzzing software: advanced tricks (Part 2)
AFL 源碼分析
實操推薦：Fuzz之AFL
測試用例來探索二進位程序內部新的執行路徑。通過該實驗了解AFL的使用方法，能夠通過AFL模糊測試一些簡單的軟體，明白fuzz的基本方法和思想。