Source code: https://github.com/ChijinZ/VisFuzz

Abstract

传统上模糊测试的一个瓶颈在于很难覆盖到被复杂的条件-比如magic number, 嵌套的条件所引导的程序支线，为此人们提出了白盒测试，然而即使这样，对复杂的条件的支持还是不够，比如array sort，virtual function, tree set queries还是覆盖不到。所以本文提出了visfuzz。

VisFuzz用可视化的方式实时展示程序测试情况和程序支线覆盖情况，主要是从源码中抽取call graph（函数调用图）和control flow（函数内基本块流程图），并且将每个函数，基本块，源码和实际执行信息联系起来呈现在图上，从而允许测试工程师定位一直没法访问到的限制，这样工程师就可以人工调研语义环境，构造特殊种子或者升级测试driver了。

本文的实验对象是Google的fuzzer-test-suite，实验方法是比较用/不用15分钟时间通过visfuzz理解改进测试，模糊测试12h，效果是提升了10.84%到150.58%的效果。

Introduction

黑盒技术有AFL,libFuzzer，这些技术覆盖率不太够，于是灰盒测试比如AFLFast和FairFuzz让能够覆盖到低频次的路径有更多的变异机会。但是还是不够，于是白盒测试也登场。Driller提出了当AFL遇到瓶颈就转换到符号执行模式的方法。HaCRS则把整个fuzz拆成多个子任务，让人协助。明显，人力能够协助测试进入复杂条件的潜力，所以提出VisFuzz。

VisFuzz由三个部件组成：

a) LLVM plugin：用于获取call graph，覆盖率和其他统计信息

b) modified AFL: AFL+实时统计

c) python supported visualization

Demonstration

覆盖率进入瓶颈，就召唤测试工程师人工分析。

 

 

 

VisFuzz Design

链接时通过vis-clang++（clang++加上plugin）来获取call graph，control flow graph等，并使用AFL类似的方法做插桩。运行时静态库libVisFuzz.so可以自动让被编译的文件执行时进行register和early initilization并且连上与fuzzer公用的shared memory。