Fuzzing101
Fuzzing01 项目地址 ：https://github.com/antonio-morales/Fuzzing101
前言
通过该项目学习如何使用 fuzz 以及如何在真实环境中使用 fuzz。
Exercise 2
由于是跟着 sakura 的课进行学习，而视频是从 Exercise 2 开始的，因此先做这个。
这是一个第三方库 libexif 的 fuzz，按照以下的六个步骤来完成 Fuzz：
- 寻找到一个使用 libexif 库的应用程序。
- 创建出 exif 样本的种子语料库。
- 使用 AFL 或者 AFL++ 的编译器对 libexif 进行编译。
- 使用语料库种子作为输入对使用 exif 库的应用程序进行 Fuzz。
- 直到产生出一些 crashes。
- 对 crashes 进行分类，看看其是否能构成漏洞，并构建出相应的 PoC。
在 make afl-clang-fast 的时候，这几行代码需要删去才行。然后再执行make AFL_TRACE_PC=1。
image-20230321200219840
接下来就跟着项目一步步开始吧。先拉取 libexif-0.6.14，将其进行构建并安装
image-20230305165949852
然后我们注意到接下来的是执行一个 configure 文件，是一个 sh 文件，注释标明其是用来创建 Makefile 文件的。使用 CXX 来指明编译器路径。
image-20230305170525008
所以我们可以直接指定 CXX 指向的路径是 afl-clang-fast 以及 afl-clang-fast++。
image-20230320213052791
然后再执行 configure 文件，创建出 Makefile 文件，但是其用的编译器已被替换：
image-20230305173301865
检查文件是否已成功被插桩。
image-20230320214212528
因为要 fuzz 的是第三方库，本身是不可执行的文件，存在问题的可能是他的 API 内部实现有漏洞，所以我们需要一个使用了这个第三方库的应用程序来进行 fuzz，因为之前已经把 afl-clang-fast 导入到环境变量里了，所以这边直接进行编译即可插桩。
image-20230320220937736
然后如果是正常进行 fuzz，是需要自己去寻找语料种子的，种子的寻找有以下几种方案：
- github 上进行寻找或者 google 搜索。
- 使用其他类似功能的程序的语料
- 使用生成器生成（感觉可以考虑 chatGPT）
- 语料蒸馏：使用 AFL 自带的 tmin 和 cmin。
因为是第一次的学习使用，所以直接使用 fuzzing101 提供的种子进行学习。
image-20230320222126851
到这里一切都准备就绪了，可以开始把 AFL 跑起来了
1 | |
用的是 AFL-fuzz，会限制文件大小不能超过 1MB
image-20230321133430416
先找出大于 1M 的样本
image-20230321133940580
使用命令 find . -size +1M -exec rm {} \; 可以直接删除大于 1M 的样本。
image-20230321164254624
然后就可以跑起来了。
image-20230321164416820
对于上面的参数，需要了解的并不需要太多，如下的即可：
- run time：fuzzer 运行的总时长、
- last new path：距离上一次发现新路径的间隔时间。
- total path：总共发现的新路径数量。
- map density：覆盖密度，如果达到 百分之六七十的话，会容易产生碰撞。可以考虑重新跑过，或者修改 map_size 的大小。
如果想要多个 fuzzer 一起运行的话，可以增加一个 -M 参数开启主从模式，如下：
1 | |
image-20230322165422138
- 本文作者：ShouCheng
- 本文链接：http://shoucheng3.github.io/2023/03/05/2023-03-05-Fuzzing101/index.html
- 版权声明：本博客所有文章均采用 BY-NC-SA 许可协议，转载请注明出处！