模糊测试工具会维护一个seed pool，每次工具从seed pool中选出一个种子文件，对它进行Rt次变异过程。在每次变异过程中，工具选用Ro个变异操作对种子文件进行修改，最终得到Rt个测试用例。然后工具使用Rt个测试用例去测试目标程序，如果用例触发了程序的异常行为，就认为该用例为interesting test case，并将该用例保存到seed pool中，作为后续变异的种子文件。如果用例触发了新的执行路径，许多工具也会认为这一用例是interesting test case并保存到本地seed pool中。 Continue reading
模糊测试（Fuzzing），作为一种有效的漏洞检测技术，被广泛应用于各类软件的安全测试中。现有的基于变异的模糊测试工具，在测试用例生成策略上依然具有较大的盲目性，无法针对目标文件格式和特定漏洞类型进行有效的变异。研究表明，AFL（ American Fuzzy Lop， 当前最流行的模糊测试工具）在24小时的测试过程中，超过60%的变异操作集中在不会产生任何新代码路径的无效字节上。如何提升变异策略的有效性是模糊测试领域的热点研究问题。 Continue reading
虽然公共漏洞库（如CVE和NVD）极大地促进了漏洞披露和缓解，但是随着漏洞库大量数据的积累，漏洞库信息的质量越来越受到了人们的关注。论文作者把CVE漏洞描述、CVE 参考报告分别与NVD进行了差异性测量，发现CVE漏洞描述、CVE 参考报告与NVD的平均严格匹配率只有 59.82%，NVD存在高估或低估软件版本的错误信息。 Continue reading
2020年物联网设备数量将全面超过全球人口，当前，黑客极容易利用物联网设备漏洞侵入物联网设备，构建大规模的僵尸网络 （比如Mirai， VPNFilter和Prowli）。因此在黑客发现物联网设备漏洞之前挖掘并修复是极其重要的任务。而模糊测试（FUZZ）是一种高效的漏洞挖掘技术手段，通过随机产生测试样例使系统或程序崩溃以发现安全漏洞。 Continue reading
