fuzz测试libmodbus | AFL篇

下载编译libmodbus

首先在github上下载libmodbus库的源码

git clone https://github.com/stephane/libmodbus/

下载好之后进入到文件夹中，在编译过程中选择使用afl-gcc而不是默认的gcc

cd libmodbus/
./autogen.sh
CC=afl-gcc CXX=afl-g++ 
./configure --enable-static
make -j8

这里在我第一次运行./autogen.sh时，报错提示autoreconf not found

查了一下README里面提示说需要autoconf和libtool，新装的虚拟机上好像没安装，装上之后问题就解决了，正常情况下运行autogen.sh后会有如下提示，最后会告诉你可以运行./configure了

另外注意在./configure之前一定要更改环境变量的CC和CXX为afl的编译器，以便对libmodbus进行插桩。
如果过程顺利，最终会看到如下图所示的界面，很多afl插桩提示

安装Preeny库

为什么需要Preeny

Modbus协议依托socket实现进程间的通信，而AFL本身并未提供对socket通信的支持。使用AFL对其进行fuzzing时，需要将其输入输出重定向stdio中。纵然可以修改部分代码使其socket通信转移到stdio，但这一过程可能会对fuzz的结果造成影响，同时工作量可能也较为繁杂。若是直接修改系统的socket.h，可能会对其他的程序造成难以估量的影响。
而Preeny提供了一系列有趣的模块，其中就包括了一个可以将socket通信重定向至console的desock模块。这个模块，原本的socket函数实现

安装Preeny的前置条件

在Preeny的README中，明确提示了preeny需要使用libini_config来实现相关功能，在安装preeny之前需要先装好，否则在make时会报错。

此外，在编译过程中还需要用到seccomp/h头文件，需要安装libseccomp

sudo apt-get install libseccomp-dev -y

编译安装

在满足了上述前置条件后，直接到preeny目录下make即可自动完成编译，编译过程中可能会有些warning，不影响正常功能。
安装成功后，可以在preeny目录下的src/中找到desock.so，可以通过一个简单的测试小程序确认desock模块是否正确工作

#include 
#include 
#include 
#include 

int main()
{
        int sock;
        char send_buf[] = "hello, world! \n";
        char recv_buf[100] = {'\0'};
        sock = socket(AF_INET, SOCK_STREAM, 0);
        send(sock, send_buf, strlen(send_buf), 0);
        recv(sock, recv_buf, 100, 0);
        printf("The following msg is recvd:\n %s \n", recv_buf);
        return 0;
}

可以看到，send函数成功将消息发往了stdout，而recv函数也成功从stdin中接收了消息，说明本部分工作已经完成

创建测试程序与样例

编译测试程序

在libmodbus目录下有一个tests文件夹，包含几个官方提供的测试样例，可以通过afl-gcc对其进行插桩编译，作为被测程序。此处值得注意的是，在编译时要注意手动指定modbus库和头文件
如：

afl-gcc bandwidth-server-many-up.c -o server -I libmodbus/src/ libmodbus/src/.libs/libmodbus.a

-I后面两个参数分别指定了modbus.h和libmodbus.a的路径，两者缺一不可

生成测试用例

在AFL的文档中，建议为fuzzing测试提供一些“特别”（interesting）的测试用例作为种子。显然，如果直接用一串随机字母数字组合作为modbus测试程序的输入并不够interesting。好在libmodbus提供的测试用例中，random-test一对就可以为我们提供不错的测试数据，这是tests/README.md中对于他们的描述

在本地运行这一对程序，然后通过tcp将数据包保存至本地，然后再随机挑选几个数据包出来作为输入样例。

开始测试

使用afl-fuzz命令即可开始fuzzing测试，需要通过-i参数给出存放测试用例的目录 -o参数给出用于输出测试结果的目录，如果目录不为空会报错 最后直接给出被测程序的路径即可。
注意为了将socket输入输出重定向到stdio，我们需要在运行的同时指定LD_PRELOAD=desock.so。完成操作即如下所示：

LD_PRELOAD=./desock.so afl-fuzz -i inputs/ -o outputs/ ./server

关于测试用例

测试用例一次不要给太多，按照afl官方所给的建议（/usr/local/doc/afl/perf-tips.txt），第一条就指出要让测试用例尽量小。第一次没注意到这个问题，把抓到的近一千个包一口气全放到了测试用例目录中，结果如下图所示：

除了第一个case之外，后面的都提示“may be useless"

测试过程

正确配置各项参数后，AFL的运行界面如下：

测试结果

过程图表

使用AFL自带的afl-plot可以将测试过程中的一些数据变化绘制成基于html的图表，使用方法为“

afl-plot /path/to/fuzz/outputs /path/to/plot

正确执行后会有简单的提示，然后就可以在指定plot输出的文件夹中找到index.html

图表结果如下：

从中可以看到测试过程中的的执行路径、运行速度等数据。但是对于覆盖率，在这个分析图表中并没有体现。

覆盖率分析

afl-cov是一款针对afl-fuzzer的覆盖率分析工具，可以非常方便的从github上下载

https://github.com/mrash/afl-cov

下载得到的afl-cov本身不需要编译安装，直接就可以使用，但是在使用前需要确保本地已经安装了gcov和lcov

afl-cov可以解析已经执行完毕的afl-fuzz输出结果，也可以与afl-fuzz同时运行，实时监控每次测试的覆盖率，这里我采用的是实时的方法。

编译副本

根据afl-cov的README， 使用afl-cov前需要重新对目标程序编译一个副本，并且在编译过程中加入gcov。另外注意重新编译的和被测程序是同样的源码，由于我这里是对modbus程序进行测试的，所以仍然需要像之前afl-gcc插桩编译时一样的手动指定modbus头文件和库文件的位置。
综上，编译命令为：

gcc server.c -o server_copy -I libmodbus/src/ libmodbus/src/.libs/libmodbus.a -fprofile-arcs -ftest-coverage 

编译成功后，除了会出现server_copy.o之外，还会有一个同名的.gcno文件。

启动afl-cov

接下来，根据文档启动afl-cov，执行如下命令

./afl-cov -d ../fuzz_713 --live -c ./ -e "cat AFL_FILE | ./server_copy"

其中，-d参数指明了afl-fuzz输出结果的目录，–live表示afl-cov与fuzzer同时运行， -c参数是存放了目标文件副本的目录，即包含了.gcno文件的目录， -e表示执行后面给出的命令行代码。在运行过程中，afl-cov会自动将AFL_FILE替换为fuzzer输出结果的文件名（也就是id:0000开头的文件）。

启动afl-cov后，会提示[-] Sleep for 60 seconds for AFL fuzzing directory to be created... 这时就可以运行afl-fuzz并保持输出目录与刚刚指定的目录一致即可。

实时分析

在afl-fuzz开始运行并生成测试结果后，afl-cov将自动从目录中读取，并在命令行中展示实时的代码覆盖率

可能是由于我的被测程序运行较慢的原因，cov偶尔会提示没有新的测试用例，等待60秒后继续。

遇到错误

在测试某些程序时，可能会发现afl-cov无法正确启动覆盖率分析，而是疯狂刷出错误信息，像这样:

在afl-cov的github页面中，有一个issue指出了这个问题

如何对gcc降级，参考这篇文章。降级后重新编译，然后运行afl-cov，发现错误仍然存在……目前这个错误仍然没有被解决，在StackOverflow上面也有人遇到类似的问题，一样是未解决状态……

结束测试

在afl-fuzz测试终止后，afl-cov会随之自动停止，并给出一系列分析结果

分析结果保存在afl-fuzz测试结果目录下的cov/文件夹中，其中zero-cov中保存了在运行过程中从未被执行到的代码或是函数，pos-cov中保存了在运行过程中被执行过至少一次的内容。同时，在cov/目录下的web文件夹中有一个index.html文件，即根据分析结果给出的可视化页面。