ProFuzzBench入门教学——使用（Ubuntu22.04）
- ProFuzzBench是网络协议状态模糊测试的基准测试。它包括一套用于流行协议（例如 TLS、SSH、SMTP、FTP、SIP）的代表性开源网络服务器，以及用于自动执行实验的工具。
- 详细参考：阅读笔记——《ProFuzzBench: A Benchmark for Stateful Protocol Fuzzing》-CSDN博客
- 环境：Ubuntu22.04（WSL）
1、设置环境变量
- 克隆项目，设置环境变量。
-
git clone https://github.com/profuzzbench/profuzzbench.git cd profuzzbench nano ~/.bashrc
-
- 添加下面内容。
-
# profuzzbench export PFBENCH=/home/zzs/GitProject/profuzzbench export PATH=$PATH:$PFBENCH/scripts/execution:$PFBENCH/scripts/analysis 
-
- 重新加载配置文件以使更改生效。
-
source ~/.bashrc
-
2、构建docker镜像
- 安装docker，参考：Docker——简介、安装（Ubuntu22.04）-CSDN博客
- 构建docker镜像。
-
cd $PFBENCH cd subjects/FTP/LightFTP sudo docker build . -t lightftp # docker build .：在当前目录（LightFTP）下寻找 Dockerfile 并构建 Docker 镜像 # -t lightftp：将创建的 Docker 镜像标记为 lightftp - 【注】这里创建了一个名为 lightFTP 的 Docker 镜像，该镜像包含了 LightFTP 及其所需的所有依赖项，使其可以在隔离的 Docker 容器中运行。这对于模糊测试和代码覆盖率收集特别有用，因为它提供了一个一致的、可重复的测试环境。
- 构建时间较长，耐心等待。
- 【注】可能遇到网络不好，多尝试。
-
- 查看构建的镜像。
-
docker images 
-
3、运行模糊测试
- 运行‘profuzzbench_exec_common.sh’脚本以启动实验。该脚本接受以下 8 个参数：
- 第一个参数 (DOCIMAGE)：Docker镜像的名称。
- 第二个参数 (RUNS)：运行次数，每次运行都会启动一个独立的Docker容器。
- 第三个参数 (SAVETO)：存储结果的文件夹路径。
- 第四个参数 (FUZZER)：模糊测试工具的名称（例如，aflnet）——该名称必须与Docker容器内模糊测试工具文件夹的名称匹配（例如，/home/ubuntu/aflnet）。
- 第五个参数 (OUTDIR)：在Docker容器内创建的输出文件夹的名称。
- 第六个参数 (OPTIONS)：除目标特定的run.sh脚本中写入的标准选项外，所有模糊测试所需的选项。
- 第七个参数 (TIMEOUT)：模糊测试的时间（以秒为单位）。
- 第八个参数 (SKIPCOUNT)：用于计算随时间变化的覆盖率。例如，SKIPCOUNT=5表示我们在每5个测试用例后运行一次gcovr，因为gcovr需要时间，我们不希望在每个测试用例后都运行它。
- 以下命令运行一个AFLNet实例，对LightFTP进行60分钟模糊测试。
-
cd $PFBENCH mkdir results-lightftp profuzzbench_exec_common.sh lightftp 1 results-lightftp aflnet out-lightftp-aflnet "-P FTP -D 10000 -q 3 -s 3 -E -K -R" 3600 5 
-
4、收集结果
- 所有结果（在 tar 文件中）都应存储在上个步骤（results-lightftp）创建的文件夹中。
- 具体来说，这些tar文件是所有模糊测试实例生成的输出文件夹的压缩版本。如果模糊测试器是基于AFL的（例如，AFLNet，AFLnwe），每个文件夹应包含诸如 crashes、hangs、queue 等子文件夹。
- 使用profuzzbench_generate_csv.sh脚本可以收集代码覆盖率随时间变化的结果。该脚本需要以下5个参数：
- 第一个参数 (PROG)：目标程序的名称（例如，lightftp）。
- 第二个参数 (RUNS)：运行次数。
- 第三个参数 (FUZZER)：模糊测试器的名称（例如，aflnet）。
- 第四个参数 (COVFILE)：用于保存结果的 CSV 格式的输出文件。
- 第五个参数 (APPEND)：追加模式；对第一个模糊测试器设置为0，对后续的模糊测试器设置为1。
- 以下命令收集AFLNet生成的代码覆盖率结果，并将其保存到results.csv。
-
cd $PFBENCH/results-lightftp profuzzbench_generate_csv.sh lightftp 1 aflnet results.csv 0
-
- results.csv文件如下。该文件有六列，分别显示：
- 时间（time）
- 目标程序（subject）
- 模糊测试器名称（fuzzer）
- 运行索引（run）
- 覆盖类型（cov_type）
- 覆盖率（cov）
- 文件包含了随时间变化的行覆盖率（l_per、l_abs）和分支覆盖率（b_per、b_abs）信息。每种覆盖类型都有两个值，一个是百分比形式（_per），另一个是绝对数值（_abs）。
- 【注】这里时间为空，暂不知道什么原因。
5、分析结果
- results.csv中收集的结果可用于绘图。例如，使用示例python脚本绘制代码随时间变化的覆盖率。使用以下命令打印结果并将其保存到文件中。
-
cd $PFBENCH/results-lightftpprofuzzbench_plot.py -i results.csv -p lightftp -r 4 -c 60 -s 1 -o cov_over_time.png - 报错：IndexError: index 0 is out of bounds for axis 0 with size 0。
- 原因是因为文件中time为空，并且只有一个模糊测试器。
-
- 改使用aflnwe。删除原先的results-lightftp。
-
cd $PFBENCHrm -rf resluts-lightftpmkdir results-lightftp profuzzbench_exec_common.sh lightftp 1 results-lightftp aflnwe out-lightftp-aflnwe "-D 10000 -K" 3600 5cd $PFBENCH/results-lightftp profuzzbench_generate_csv.sh lightftp 1 aflnwe results.csv 0 cat results.csv 
-
- 修改profuzzbench_plot.py。
-
#!/usr/bin/env pythonimport argparse from pandas import read_csv from pandas import DataFrame from pandas import Grouper from matplotlib import pyplot as plt import pandas as pddef main(csv_file, put, runs, cut_off, step, out_file):# Read the resultsdf = read_csv(csv_file)# Calculate the mean of code coveragemean_list = []for subject in [put]:fuzzer = 'aflnwe' # Only use aflnwefor cov_type in ['b_abs', 'b_per', 'l_abs', 'l_per']:# Get subject & fuzzer & cov_type-specific dataframedf1 = df[(df['subject'] == subject) & (df['fuzzer'] == fuzzer) & (df['cov_type'] == cov_type)]mean_list.append((subject, fuzzer, cov_type, 0, 0.0))for time in range(1, cut_off + 1, step):cov_total = 0run_count = 0for run in range(1, runs + 1, 1):# Get run-specific data framedf2 = df1[df1['run'] == run]if df2.empty:continue# Get the starting time for this runstart = df2.iloc[0, 0]# Get all rows given a cutoff timedf3 = df2[df2['time'] <= start + time * 60]if df3.empty:continue# Update total coverage and #runscov_total += df3.tail(1).iloc[0, 5]run_count += 1# Add a new rowif run_count > 0:mean_list.append((subject, fuzzer, cov_type, time, cov_total / run_count))# Convert the list to a dataframemean_df = pd.DataFrame(mean_list, columns=['subject', 'fuzzer', 'cov_type', 'time', 'cov'])fig, axes = plt.subplots(2, 2, figsize=(20, 10))fig.suptitle("Code coverage analysis")for key, grp in mean_df.groupby(['fuzzer', 'cov_type']):if key[1] == 'b_abs':axes[0, 0].plot(grp['time'], grp['cov'])axes[0, 0].set_xlabel('Time (in min)')axes[0, 0].set_ylabel('#edges')if key[1] == 'b_per':axes[1, 0].plot(grp['time'], grp['cov'])axes[1, 0].set_ylim([0, 100])axes[1, 0].set_xlabel('Time (in min)')axes[1, 0].set_ylabel('Edge coverage (%)')if key[1] == 'l_abs':axes[0, 1].plot(grp['time'], grp['cov'])axes[0, 1].set_xlabel('Time (in min)')axes[0, 1].set_ylabel('#lines')if key[1] == 'l_per':axes[1, 1].plot(grp['time'], grp['cov'])axes[1, 1].set_ylim([0, 100])axes[1, 1].set_xlabel('Time (in min)')axes[1, 1].set_ylabel('Line coverage (%)')for i, ax in enumerate(fig.axes):ax.legend(('AFLNwe',), loc='upper left') # Only AFLNweax.grid()# Save to fileplt.savefig(out_file)# Parse the input arguments if __name__ == '__main__':parser = argparse.ArgumentParser()parser.add_argument('-i', '--csv_file', type=str, required=True, help="Full path to results.csv")parser.add_argument('-p', '--put', type=str, required=True, help="Name of the subject program")parser.add_argument('-r', '--runs', type=int, required=True, help="Number of runs in the experiment")parser.add_argument('-c', '--cut_off', type=int, required=True, help="Cut-off time in minutes")parser.add_argument('-s', '--step', type=int, required=True, help="Time step in minutes")parser.add_argument('-o', '--out_file', type=str, required=True, help="Output file")args = parser.parse_args()main(args.csv_file, args.put, args.runs, args.cut_off, args.step, args.out_file)
-
- 重新执行：
-
cd $PFBENCH/results-lightftpprofuzzbench_plot.py -i results.csv -p lightftp -r 4 -c 60 -s 1 -o cov_over_time.png 
-