[发明专利]一种基于GPU二进制代码翻译的高效模糊测试方法

说明书

本发明公开一种基于GPU二进制代码翻译的高效模糊测试方法，包括步骤：S1、初始化标准测试程序相关测试用例；S2、生成GPU二进制代码可执行的测试用例，进入步骤S3；S3、将生成的测试用例输入到GPU测试程序实例，并输出测试结果；进入步骤S4；S4、对步骤S3中输出测试结果进行异常检测；S5、判断是否满足模糊测试结束条件，满足，则停止模糊测试流程；不满足，返回步骤S2中。本发明解决了缺乏基于GPU的大规模模糊测试并行执行方法的问题。

技术领域

本发明属于网络信息安全技术领域，具体来说，涉及一种基于GPU二进制代码翻译的高效模糊测试方法。

背景技术

模糊测试是依靠计算机软件自动执行，测试效率相对人来讲远远高出几个数量级。模糊测试技术本质是依赖随机函数生成随机测试例，随机性意味着不重复、不可预测，可能有意想不到的输入和结果。根据概率论的“大数定律”，只要我们重复的次数足够多、随机性够强，那些概率极低的偶然事件就必然会出现。模糊测试技术就是大数定律的典范应用，足够多的测试用例和随机性，就可以让那些隐藏的很深很难出现的Bug成为必然现象。很显然，模糊测试是非常耗时，因为进行模糊测试时，通常需要用到插桩技术，并要求设备具有高吞吐量的计算能力。

目前，大多数模糊测试方法都采用传统的CPU架构或仿真器，然而这是非常低效的。由于无法访问被测软件的源代码，针对这些平台的实际模糊测试就需要通过仿真器或者很多物理设备来完成，这将是非常低效耗时的工作，并且这些要求往往是不切实际的。模糊测试是一个非常适合并行化处理的问题，通过测试用例生成器可以同时生成成千上万个测试用例，这些测试用例可以通过不同测试程序实例并行执行。理论上来说，可以通过数千个线程执行测试程序用例，同时测试数千个不同的输入，这将大大提高模糊测试效率。

现有技术中的缺陷在于，GPU非常擅长执行这种并行任务，然而除了将基于 GPU的神经网络用于模糊测试用例生成外；缺乏基于GPU的大规模模糊测试并行执行方法。

发明内容

针对现有技术存在的缺乏基于GPU的大规模模糊测试并行执行方法的问题，本发明提供了一种基于GPU二进制代码翻译的高效模糊测试方法。

为实现上述技术目的，本发明采用的技术方案如下：

一种基于GPU二进制代码翻译的高效模糊测试方法，包括步骤：

S1、初始化标准测试程序相关测试用例；

S2、生成GPU二进制代码可执行的测试用例，进入步骤S3；

S3、将生成的测试用例输入到GPU测试程序实例，并输出测试结果；进入步骤 S4；

S4、对步骤S3中输出测试结果进行异常检测；在步骤S4中，将异常输出归并到异常结果集中。在步骤S4中，还包括同时针对当前测试用例集进行种子变异，生产变异种子集合。

S5、判断是否满足模糊测试结束条件，满足，则停止模糊测试流程；不满足，返回步骤S2中。在步骤S5中，当不满足模糊测试结束条件时，测试用例生成器通过新的变异种子集合生产新的测试用例集，进行下一次测试迭代。

进一步地，在步骤S3中，GPU测试程序实例通过CPU2GPU二进制代码翻译器将模糊测试程序的CPU二进制代码翻译成GPU PTX架构的二进制代码。

进一步地，CPU2GPU二进制代码翻译器的具体翻译步骤包括：

S11、将CPU二进制代码编译为中间表示代码LLVM IR；

S12、将中间表示代码LLVM IR通过LLVM优化编译器编译链接为PTX二进制代码。