CN115658534B - 一种基于多引擎融合的分布式模糊测试方法及装置 - Google Patents

Abstract

本发明提供一种基于多引擎融合的分布式模糊测试方法及装置，包括：对多个引擎进行参数配置；当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent；将所述多个引擎的模糊测试结果进行数据合并；其中，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据。本发明提供的基于多引擎融合的分布式模糊测试方法及装置，通过多个引擎进行模糊测试，将多个引擎的模糊测试结果进行覆盖率数据合并和异常数据合并，从而全面提高测试效率。

Description

一种基于多引擎融合的分布式模糊测试方法及装置

技术领域

本发明实施例涉及模糊测试技术领域，特别是涉及一种基于多引擎融合的分布式模糊测试方法及装置。

背景技术

模糊测试技术是一种基于黑盒(或灰盒)的测试技术，通过自动化生成并执行大量的随机测试用例来发现产品的未知漏洞。

专利公告号为CN106557412B、名称为“一种模糊测试的方法及装置”的发明专利公开了了一种模糊测试的方法，包括获取被测对象测试入口的类型；从已建立的测试数据与测试入口的类型的对应关系中，确定所述被测对象测试入口对应的测试数据的类型；向所述被测对象测试入口注入对应类型的测试数据，对所述被测对象进行模糊测试。从已建立的测试数据与测试入口的类型的对应关系中，确定所述被测对象测试入口对应的测试数据的类型，向所述被测对象测试入口注入对应类型的测试数据，对所述被测对象进行模糊测试的方式，有针对性的进行模糊测试，从而提高了测试的针对性和测试效率。

然而，现有技术中单个模糊测试引擎进行模糊测试有一定的侧重点，测试结果不够全面，不同引擎对被测目标的测试效果不同，单个引擎测试不能达到最佳效果，并且单个引擎不能同时测试不同平台，也不能测试不同CPU架构的目标。

因此，有必要提供一种基于多引擎融合的分布式模糊测试方法及装置，能够有效解决上述问题。

发明内容

本发明提供一种基于多引擎融合的分布式模糊测试方法及装置，通过多个引擎进行模糊测试，将多个引擎的模糊测试结果进行覆盖率数据合并和异常数据合并，从而全面提高测试效率。

本发明实施例提供一种多引擎融合的分布式模糊测试方法，包括：

对多个引擎进行参数配置；

当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent；

将所述多个引擎的模糊测试结果进行数据合并；

其中，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据。

优选地，所述覆盖率数据合并采用第一增量模式，所述第一增量模式包括当有新的覆盖率文件且合并间隔时间达到第一阈值时进行数据合并。

优选地，所述多个引擎包括但不限于多参数引擎和ABFast引擎，所述多参数引擎针对多参数变异，所述ABFast引擎针对插桩编译阶段的比较操作优化。

优选地，所述对多个引擎进行参数配置包括接收用户选择的具体引擎及配置信息，选择平台并下载测试包，进行目标构建，并配置ASAN和环境。

优选地，所述覆盖率为代码被执行到的部分占总代码的比例，所述行覆盖率为被执行到的行占总行的比例，所述函数覆盖率为被执行到的函数占总函数的比例，所述分支覆盖率为被执行到的分支占总分支的比例。

优选地，对于函数合并，将相同函数的执行次数进行相加；对于分支合并，将相同分支的执行次数进行相加；对于同一个文件中的相同行合并，对无效行的执行次数-1，所述相同行包括第一行和第二行，如果所述第一行和所述第二行的执行次数都-1，则合并执行次数也-1，如果所述第一行或所述第二行的执行次数-1，则合并执行次数为所述第二行或所述第一行的执行次数，如果所述第一行和所述第二行的执行次数都不-1，则合并执行次数为所述第一行和所述第二行的相加值。

优选地，当所述数据为异常数据时，根据所述异常数据的类型以及行号生成异常ID，根据所述异常ID进行数据去重。

优选地，所述数据去重采用第二增量模式，所述第二增量模式包括当有新的异常数据且合并间隔时间达到第二阈值时进行数据合并。

优选地，读取所述覆盖率数据和异常数据并进行排序，记录排序后的最后一个位置的覆盖率数据或异常数据，循环读取当前覆盖率数据和异常数据，和所述最后一个位置的覆盖率数据或异常数据进行大小比较，若大小不一致则表示有新增覆盖率数据或异常数据。

本发明实施例还提供一种基于多引擎融合的分布式模糊测试装置，包括：

参数配置模块，其用于对多个引擎进行参数配置；

队列空闲判断模块，其用于当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent；

数据合并模块，其用于将所述多个引擎的模糊测试结果进行数据合并，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

本发明实施例的基于多引擎融合的分布式模糊测试方法及装置，对多个引擎进行参数配置；当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent；将所述多个引擎的模糊测试结果进行数据合并；其中，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据通过多个引擎进行模糊测试，将多个引擎的模糊测试结果进行覆盖率数据合并和异常数据合并，从而全面提高测试效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，而不是全部实施例。对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一个实施例提供的基于多引擎融合的分布式模糊测试方法的流程示意图；

图2为本发明的一个实施例提供的基于多引擎融合的分布式模糊测试装置的模块示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

基于现有技术存在的问题，本发明实施例提供一种基于多引擎融合的分布式模糊测试方法，通过多个引擎进行模糊测试，将多个引擎的模糊测试结果进行覆盖率数据合并和异常数据合并，从而全面提高测试效率。

图1为本发明的一个实施例提供的基于多引擎融合的分布式模糊测试方法的流程示意图。现在参看图1，本发明实施例提供一种多引擎融合的分布式模糊测试方法，包括：

步骤S101：对多个引擎进行参数配置。

在具体实施中，用户配置多个引擎及相关参数，所述对多个引擎进行参数配置包括接收用户选择的具体引擎及配置信息，选择平台并下载测试包，进行目标构建，并配置ASAN和环境。

ASAN指的是地址消毒器，用来对不同的程序问题进行捕获，进而输出报告。

对于单个进行模糊测试的引擎来说，根据程序输入的初始的语料，变异出不同的输入，然后用这些变异的输入不停的执行被测程序，观察被测程序的行为，记录被测程序的漏洞，被测程序的覆盖率和异常数据可以通过插桩的方式获取。

所述多个引擎包括但不限于多参数引擎和ABFast引擎，所述多参数引擎针对多参数变异，所述ABFast引擎针对插桩编译阶段的比较操作优化。所述多个引擎还可以包括AFL++引擎，该引擎是个开源引擎，在此不再赘述。用户可以根据被测目标配置具体的引擎，也可以让系统决定默认引擎。

步骤S102：当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent。

agent队列指的是执行具体任务的载体，比如选择一个多参数引擎，则需要一个agent来执行这个多参数引擎的模糊测试过程，实际进行模糊测试时，会有多个agent分布式运行。查询分布式agent队列是否有空闲，当agent队列有空闲时，进行下一步启动具体引擎，当agent队列没有空闲时，等待队列有空闲agent进行后续动作。分配多个引擎到空闲的agent，进行多个引擎的模糊测试。

步骤S103：将所述多个引擎的模糊测试结果进行数据合并。

在具体实施中，单个引擎在测试过程中产生的覆盖率数据，异常数据，状态数据等，定期采集到数据库中保存，为后续融合提供基础数据。

步骤S104：其中，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据。

不同的引擎会产生不同的覆盖率信息，被测目标的源码是一致的，针对相同的文件，分别对函数覆盖率、分支覆盖率和行覆盖率进行合并，最后合并成总的覆盖率。

所述覆盖率为代码被执行到的部分占总代码的比例，所述行覆盖率为被执行到的行占总行的比例，所述函数覆盖率为被执行到的函数占总函数的比例，所述分支覆盖率为被执行到的分支占总分支的比例。

在具体实施中，所述覆盖率数据合并采用第一增量模式，所述第一增量模式包括当有新的覆盖率文件且合并间隔时间达到第一阈值时进行数据合并，从而保证了覆盖率融合的时间和效率。本领域技术人员可以根据经验来设置第一阈值，在此不再赘述。

对于函数合并，将相同函数的执行次数进行相加；对于分支合并，将相同分支的执行次数进行相加；对于同一个文件中的相同行合并，对无效行的执行次数-1，所述相同行包括第一行和第二行，如果所述第一行和所述第二行的执行次数都-1，则合并执行次数也-1，如果所述第一行或所述第二行的执行次数-1，则合并执行次数为所述第二行或所述第一行的执行次数，如果所述第一行和所述第二行的执行次数都不-1，则合并执行次数为所述第一行和所述第二行的相加值。

例如，第一次执行时执行了A文件的第一行1次，第二次执行时执行了A文件的第一行1次和第二行1次。相同行即指相同一个文件中的相同的行号的代码，即上述A文件的第一行就会融合成执行了2次。无效行是指代码中的无效的不需要进行统计执行次数的代码的行号。

在具体实施中，当所述数据为异常数据时，根据所述异常数据的类型以及行号生成异常ID，根据所述异常ID进行数据去重。具体地，提取多个引擎产生的异常数据，根据异常数据的类型以及行号等信息，生成具体异常ID，根据异常ID进行去重操作，然后合并成总的异常信息。

在具体实施中，所述数据去重采用第二增量模式，所述第二增量模式包括当有新的异常数据且合并间隔时间达到第二阈值时进行数据合并，从而保证了覆盖率融合的时间和效率。本领域技术人员可以根据经验来设置第二阈值，在此不再赘述。

在具体实施中，读取所述覆盖率数据和异常数据并进行排序，记录排序后的最后一个位置的覆盖率数据或异常数据，循环读取当前覆盖率数据和异常数据，和所述最后一个位置的覆盖率数据或异常数据进行大小比较，若大小不一致则表示有新增覆盖率数据或异常数据。

例如，第一次读取的覆盖率数据和异常数据包括b文件、a文件和f文件，第一次读取时都认为是增加的新文件，对所述b文件、a文件和f文件计算覆盖率和异常，排序后为[a,b,f]，记录最后一个位置的文件为f文件，运行一段时间后，产生新的覆盖率数据和异常数据，总文件包括b文件、a文件、f文件和g文件，排序后为[a,b,f,g]，依次判断a文件、b文件、f文件和g文件的大小与之前记录的f文件的大小，a文件、b文件和f文件的大小都是小于等于f文件的大小的，g文件的大小大于f文件的大小，因此判断g文件为增量文件。

图2为本发明的一个实施例提供的基于多引擎融合的分布式模糊测试装置的模块示意图。现在参看图2，还提供一种基于多引擎融合的分布式模糊测试装置，包括：

参数配置模块21，其用于对多个引擎进行参数配置；

队列空闲判断模块22，其用于当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent；

数据合并模块23，其用于将所述多个引擎的模糊测试结果进行数据合并，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据。

综上所述，本发明实施例的基于多引擎融合的分布式模糊测试方法及装置，对多个引擎进行参数配置；当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent；将所述多个引擎的模糊测试结果进行数据合并；其中，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据通过多个引擎进行模糊测试，将多个引擎的模糊测试结果进行覆盖率数据合并和异常数据合并，从而全面提高测试效率。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种基于多引擎融合的分布式模糊测试方法，其特征在于，包括：

对多个引擎进行参数配置；

当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent；

将所述多个引擎的模糊测试结果进行数据合并；

其中，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据；

所述覆盖率数据合并采用第一增量模式，所述第一增量模式包括当有新的覆盖率文件且合并间隔时间达到第一阈值时进行数据合并；

当所述数据为异常数据时，根据所述异常数据的类型以及行号生成异常ID，根据所述异常ID进行数据去重；

所述数据去重采用第二增量模式，所述第二增量模式包括当有新的异常数据且合并间隔时间达到第二阈值时进行数据合并；

所述多个引擎包括多参数引擎和ABFast引擎，所述多参数引擎针对多参数变异，所述ABFast引擎针对插桩编译阶段的比较操作优化。

2.根据权利要求1所述的基于多引擎融合的分布式模糊测试方法，其特征在于，所述对多个引擎进行参数配置包括接收用户选择的具体引擎及配置信息，选择平台并下载测试包，进行目标构建，并配置ASAN和环境。

3.根据权利要求1所述的基于多引擎融合的分布式模糊测试方法，其特征在于，所述覆盖率为代码被执行到的部分占总代码的比例，所述行覆盖率为被执行到的行占总行的比例，所述函数覆盖率为被执行到的函数占总函数的比例，所述分支覆盖率为被执行到的分支占总分支的比例。

4.根据权利要求1所述的基于多引擎融合的分布式模糊测试方法，其特征在于，对于函数覆盖率数据合并，将相同函数的执行次数进行相加；对于分支覆盖率数据合并，将相同分支的执行次数进行相加；对于同一个文件中的相同行覆盖率数据合并，对无效行的执行次数-1，所述相同行包括第一行和第二行，如果所述第一行和所述第二行的执行次数都-1，则合并执行次数也-1，如果所述第一行或所述第二行的执行次数-1，则合并执行次数为所述第二行或所述第一行的执行次数，如果所述第一行和所述第二行的执行次数都不-1，则合并执行次数为所述第一行和所述第二行的相加值。

5.根据权利要求1所述的基于多引擎融合的分布式模糊测试方法，其特征在于，读取所述覆盖率数据和异常数据并进行排序，记录排序后的最后一个位置的覆盖率数据或异常数据，循环读取当前覆盖率数据和异常数据，和所述最后一个位置的覆盖率数据或异常数据进行大小比较，若大小不一致则表示有新增覆盖率数据或异常数据。

6.一种基于多引擎融合的分布式模糊测试装置，其特征在于，包括：

参数配置模块，其用于对多个引擎进行参数配置；

队列空闲判断模块，其用于当agent队列有空闲时，启动所述多个引擎进行模糊测试，当agent队列没有空闲时，等待空闲agent；

数据合并模块，其用于将所述多个引擎的模糊测试结果进行数据合并，所述数据合并包括覆盖率数据合并和异常数据合并，所述覆盖率数据包括函数覆盖率数据、分支覆盖率数据以及行覆盖率数据；

所述覆盖率数据合并采用第一增量模式，所述第一增量模式包括当有新的覆盖率文件且合并间隔时间达到第一阈值时进行数据合并；

当所述数据为异常数据时，根据所述异常数据的类型以及行号生成异常ID，根据所述异常ID进行数据去重；

所述数据去重采用第二增量模式，所述第二增量模式包括当有新的异常数据且合并间隔时间达到第二阈值时进行数据合并；

所述多个引擎包括多参数引擎和ABFast引擎，所述多参数引擎针对多参数变异，所述ABFast引擎针对插桩编译阶段的比较操作优化。