[发明专利]一种面向二进制代码的导向型模糊测试方法

权利要求书

1.一种面向二进制代码的导向型模糊测试方法，其特征在于，步骤为：

步骤S1：分析目标程序并标记目标基本块地址；

步骤S2：载入二进制程序并获取程序地址信息，并将二进制代码进行反汇编得到汇编代码，构建程序控制流图；

步骤S3：在程序执行时记录分支跳转情况，并在执行结束后进行解码，导出执行路径，构建并完善控制流图，更新分支执行的统计数据；利用PT通过TNT包记录直接跳转指令是否跳转，通过TIP包记录间接跳转指令实际的跳转地址；通过动态执行目标程序并解码PT记录的数据包，得出由跳转指令地址和实际跳转地址组成的执行trace，还原程序实际的执行路径；

所述基于PT数据包解码得到的实际执行路径，包括：

（1）通过实际执行中的跳转，填补控制流图中缺失的间接跳转，使静态构建的控制流图在动态执行中趋向完整；

（2）对控制流图中不同分支跳转的次数进行统计，计算各分支跳转的概率；同一跳转指令在不同输入的多次执行中反映出的统计特征，间接反映出变异生成的输入数据满足该分支的难易程度，用于预测在下一轮执行中该分支的跳转概率；

（3）在控制流图上标出实际执行的节点，用于后续与目标节点距离的计算；

步骤S4：基于当前的执行路径、结合分支的执行统计数据，计算当前路径与目标的距离；

步骤S5：用计算的目标距离作为反馈，引导下一轮种子的选取和测试。

2.根据权利要求1所述的面向二进制代码的导向型模糊测试方法，其特征在于，所述步骤S1中，对于目标地址的选取分为两种：

(a) 选择某个特定的基本块为目标，只要一个基本块被选中，则基本块内的指令都会被逐一执行；

(b) 选择某个函数的调用地址，即call指令的地址；该地址也是一个间接跳转指令的地址；通过IDA载入二进制代码，直接读取目标基本块或者目标函数调用的地址。

3. 根据权利要求1所述的面向二进制代码的导向型模糊测试方法，其特征在于，所述步骤S2中，通过Python CLE载入二进制程序，读取程序的地址区间和入口地址；然后使用capstone将二进制代码反汇编，得到汇编代码每条指令对应的地址。

4. 根据权利要求1所述的面向二进制代码的导向型模糊测试方法，其特征在于，所述步骤S3中，所述控制流图的节点node=(cur, prev, next, count, in_cur_trace，is_cofi_node)，其中，cur为当前节点的地址，prev为前一节点的地址，next为后一节点的地址，count为当前节点执行数目的统计，in_cur_trace标记该节点是否在当前执行路径中，is_cofi_node标识该节点是否为跳转指令。

5.根据权利要求1-4中任意一项所述的面向二进制代码的导向型模糊测试方法，其特征在于，所述步骤S4中，基于构建的控制流图，对当前执行路径和目标地址进行分析，如果当前执行路径经过目标地址，则当前的测试样本输入满足导向性要求，结束搜索；如果当前执行路径未经过目标地址，则从目标地址开始，沿着控制流图反向搜索，直到某个节点属于当前的执行路径，记录此节点到目标地址的跳转路径，即为当前执行路径到目标地址的跳转路径；如果搜索结束时最后的节点不是属于当前执行路径上的节点，则不能通过反向搜索将目标节点与当前执行路径连接，说明当前控制流图还不完整。

6.根据权利要求1-4中任意一项所述的面向二进制代码的导向型模糊测试方法，其特征在于，所述步骤S5中，对种子能量进行再分配，即基于当前执行路径到目标地址的跳转路径，结合跳转路径上各个分支的跳转概率，对当前的测试样本输入进行打分，并将分数反馈给AFL模糊测试框架。

7.根据权利要求6所述的面向二进制代码的导向型模糊测试方法，其特征在于，基于反馈的分数，为当前种子在后续测试中分配更能量；分数取值范围为0到1，如果分数为1，说明当前输入对应的执行路径正好经过目标地址，接下来的模糊测试给其分配最高能量；如果分数介于0和1之间，说明当前输入对应的执行路径经过有限次跳转之后，可达目标路径，且分数越高，到达目标地址的可能性越高；分数越高，分配能量越多。