阜阳市网站建设_网站建设公司_电商网站_seo优化

标签：#Fuzzing #AFL++ #Security #VulnerabilityResearch #0Day #ASAN

⚠️ 免责声明：本文仅供安全研究与教学使用。请勿对未授权的商业软件或网络进行攻击。

🧬 前言：什么是覆盖率导向的 Fuzzing？

传统的 Fuzzing 是“瞎蒙”，随机生成乱码喂给程序，效率极低。
AFL (American Fuzzy Lop)及其继承者AFL++引入了覆盖率导向 (Coverage-Guided)机制。

它像生物进化一样：

1. 变异：对种子文件（如一个正常的 PNG）进行位翻转、剪切、拼接。
2. 执行：喂给程序运行。
3. 反馈：通过插桩（Instrumentation）监控程序执行了哪些代码路径。

• 如果发现了新路径（比如进了一个生僻的if分支），就保留这个变异样本，作为下一代的“种子”。
• 如果没有新发现，就丢弃。

Fuzzing 进化循环 (Mermaid):

🛠️ 一、 搭建实验室

为了环境纯净，我们强烈建议使用 Docker。AFL++ 官方提供了非常完善的镜像。

# 拉取 AFL++ 官方镜像dockerpull aflplusplus/aflplusplus# 启动容器dockerrun -ti --name fuzz-lab aflplusplus/aflplusplus

💉 二、 插桩编译：给代码装上“监控探头”

我们以libpng为靶子（为了演示效果，你可以尝试找一个旧版本的 libpng，例如 1.6.30，新版本非常健壮，很难在短时间内跑出洞）。

下载并解压源码后，关键的一步是替换编译器。我们不能用gcc，必须用afl-clang-fast，它会在编译时自动插入汇编代码，用于记录分支跳转。

同时，我们要开启ASAN (Address Sanitizer)。这是一个内存错误检测器，它能让程序在发生缓冲区溢出 (Buffer Overflow)或使用后释放 (UAF)的瞬间立即崩溃，并打印详细堆栈。

# 1. 下载目标wgethttps://download.sourceforge.net/libpng/libpng-1.6.37.tar.xztar-xvf libpng-1.6.37.tar.xz&&cdlibpng-1.6.37# 2. 设置编译器环境变量exportCC=afl-clang-fastexportCXX=afl-clang-fast++# 3. 开启 ASAN (内存消毒) 和 UBSAN (未定义行为检测)exportAFL_USE_ASAN=1exportAFL_USE_UBSAN=1# 4. 编译安装./configure --disable-shared# 静态链接方便调试make-j4

🔗 三、 编写 Harness：喂养接口

libpng是一个库，它自己不会运行。我们需要写一个极简的 C 程序（Harness），读取标准输入（stdin），调用libpng的 API 来解析它。

新建文件harness.c：

#include"png.h"#include<stdio.h>#include<stdlib.h>#include<string.h>// AFL 优化的循环模式入口voidfuzz_target(){png_structp png_ptr=png_create_read_struct(PNG_LIBPNG_VER_STRING,NULL,NULL,NULL);if(!png_ptr)return;png_infop info_ptr=png_create_info_struct(png_ptr);if(!info_ptr){png_destroy_read_struct(&png_ptr,NULL,NULL);return;}// 设置错误处理跳转，防止 libpng 自己打印报错后退出，我们要的是 crashif(setjmp(png_jmpbuf(png_ptr))){png_destroy_read_struct(&png_ptr,&info_ptr,NULL);return;}// 从 stdin 读取数据// 在实际 Fuzz 中，通常会适配 LLVMFuzzerTestOneInput 接口，这里用最简单的 stdin 方式png_init_io(png_ptr,stdin);// 甚至不需要完整读取，读个头或者读信息即可触发大部分解析逻辑png_read_info(png_ptr,info_ptr);png_read_image(png_ptr,NULL);// 尝试解码图像数据png_destroy_read_struct(&png_ptr,&info_ptr,NULL);}intmain(intargc,char**argv){// 针对 AFL 的特殊优化，使得无需反复 fork 进程，极大提升速度#ifdef__AFL_HAVE_MANUAL_CONTROL__AFL_INIT();#endifwhile(__AFL_LOOP(1000)){// 复用进程 1000 次fuzz_target();}return0;}

编译 Harness：

$CC-O2 harness.c -o fuzzer_app ./.libs/libpng16.a -lz -lm

🔥 四、 开火：运行 AFL++

1. 准备种子 (Corpus)

Fuzzer 需要知道正常的 PNG 长什么样。我们在in目录下放几个几 KB 大小的合法 PNG 图片。

mkdirinoutcp/path/to/some/small.png in/seed.png

2. 启动 Fuzzer

afl-fuzz -iin-o out -m none -- ./fuzzer_app

界面解析：
当你看到那个经典的红蓝界面时，Fuzzing 就开始了。

• run time: 运行时间。
• exec speed: 每秒执行次数（通常在 1000-5000/sec 为佳）。
• total paths: 发现的代码路径总数（越多越好）。
• uniq crashes:这是我们最关心的！如果这里数字变成红色且大于 0，恭喜你，可能挖到 0-Day 了。

🕵️‍♂️ 五、 漏洞分析：从 Crash 到 Exploit

假设经过 24 小时运行，out/default/crashes/目录下出现了一个文件id:000001,sig:11,src:000000...。
这意味着 AFL 找到了一个样本，让程序发生了 Segment Fault (Sig 11)。

1. 复现 Crash

我们将这个畸形文件喂给带有 ASAN 的程序：

./fuzzer_app<out/default/crashes/id:000001...

2. ASAN 报告解读

ASAN 会吐出一段非常详细的报错：

================================================================= ==12345==ERROR: AddressSanitizer: heap-buffer-overflow on address 0x602000000010 ... READ of size 4 at 0x602000000010 thread T0 #0 0x4f3a20 in png_read_filter_row_paeth libpng/pngrutil.c:4500 #1 0x4e1b30 in png_read_row libpng/pngread.c:700 ...

• Type:heap-buffer-overflow(堆溢出)。
• Location:pngrutil.c第 4500 行，函数png_read_filter_row_paeth。
• Action: 发生了非法读取 (READ)。

这说明 libpng 在处理 Paeth 滤波器时，计算错误的缓冲区大小，导致读到了分配内存之外的数据。如果是WRITE溢出，那么这就是一个极高危的漏洞，可能导致任意代码执行。

🎯 总结

AFL++ 不仅仅是一个工具，它代表了**“以攻促防”**的最高境界。
通过本次实战，我们经历了：

1. Instrumentation: 编译时埋点。
2. Harnessing: 编写测试入口。
3. Fuzzing: 遗传算法暴力破解。
4. Triage: ASAN 定位根因。

在真实的软件开发生命周期（SDLC）中，将 Fuzzing 集成到 CI/CD 流程（如 Google 的 OSS-Fuzz），是保证软件在发布前消灭 0-Day 的最佳实践。

Next Step:
libpng 已经被很多人挖过了。尝试去 Github 上找一个 Star 数在 100-1000 之间、处理复杂文件格式（如 PDF, XML, 专有协议）的 C/C++ 项目，按照本文的流程跑一跑。你拿到 CVE 编号的概率会非常大！