0x00 — Begin
本篇论文名为《CollAFL: Path Sensitive Fuzzing》，为S&P 2018 顶会论文
Authors
Shuitao Gan, State Key Laboratory of Mathematical Engineering and Advanced Computing
Chao Zhang, Tsinghua University
Xiaojun Qin, State Key Laboratory of Mathematical Engineering and Advanced Computing
Xuwen Tu, State Key Laboratory of Mathematical Engineering and Advanced Computing
Kang Li, Cyber Immunity Lab
Zhongyu Pei, Tsinghua University
Zuoning Chen, National Research Center of Parallel Computer Engineering and Technology
0x01 Why
目前流行的fuzzing（如AFL）通常使用较为简单的coverage information，这种覆盖的不准确和不完整给fuzzing带来了严重的局限性。首先，它会导致路径冲突，从而影响fuzzing挖掘出导致新崩溃的潜在路径。更重要的是，它也会影响fuzzing的最优决策。此外，学术界的大部分研究的是Coverage-guided fuzzing，很少有目光真正的投在Coverage上，所以CollAFL做了这一块的内容。
0x02 What
对AFL中的coverage inaccuracy 和seed选择策略做了改进，改进后的工具称为CollAFL
0x03 How
本文主要做了两个改进。第一，在AFL中，AFL要用到一个64KB大小的bitmap来保存Coverage的信息，在AFL进行fuzzing的时候，会发生碰撞，两个快构成一个边，AFL为边赋了hash值，这个hash就代表这条边，可是不同的边计算出的hash可能是一样的，于是就发生了Collision ， Collision可能会导致某些input到达新的路径，但AFL却没有将该input作为seed，本文主要针对这一点，采用了一个新的算法，解决了路径hash collision问题。第二，在seed选择的时候，CollAFL会优先选择对Coverage有贡献的seed。
CollAFL的具体做法如下。
对于hash Collision问题。
在AFL中，给定边A->B，其hash算法如下：
cur ⊕ (prev ≫ 1)
其中prev和cur分别是基本块A和B的key, 由于key的随机性，两个不同的边可能具有相同的hash值。于是CollAFL对其进行了改进.
给定两个带有prev和curkey的块A和B，如下图所示：
其hash算法如下：
F mul(cur, prev) = (cur ≫ x) ⊕ (prev ≫ y) + z
其中， <x，y，z> 是要确定的参数，不同的边可能不同。AFL使用的公式是该算法的一种特殊形式，即对于所有边/块， <x=0，y=1，z=0> 。 F mul 的计算过程与AFL相同，开销相同。
但是，此算法不能保证为给定的应用程序找到解决方案，因为应用程序中有太多的基本块，因此不能遍历所有可能的参数。即使可以这样做，也不能保证解决方案的存在，因为基本块的key是随机分配的。因此，CollAFL进一步将所提出的hash计算算法改进如下：
具有Single Precedent块的hash算法
如果一个块只有一个Precedent块，如下图所示：
可以在结束块中直接为该边分配一个hash，算法如下：
F single(cur, prev) : c
其中prev和cur是分配给块A和B的key，参数c是要确定的唯一常量。
具有Multiple Precedents块的hash算法
如果一个块B有Multiple Precedents块，如下图所示：
即如果B具有多个传入边缘，则必须动态计算块B中的hash，算法如下：
F hash(cur, prev) : hash_table_lookup(cur, prev)
其中prev和cur是块A和块B的key，它构建了一个离线哈希表，所有边的唯一hash以unsolvable block结尾，不同于所有其他边的hash。在运行时，它查找这个预先计算的哈希表，以获取这些边的哈希值，并使用它们的起始块和结束块作为key。
需要注意的是，在运行时，哈希表查找操作比以前的算法Fmul和Fsingle慢得多。
整体缓解方案
在确保bitmap size大于边数的情况下，根据不同的类型，使用Fmul、Fsingle和Fhash这三个hash计算公式，如下所示：
对于种子选择问题，CollAFL提供了三个选择策略。
CollAFL-br
拥有更多未受影响的邻近分支的种子将优先于模糊，该策略使用未接触的临近分支数作为测试用例t的权重，计算公式如下：
Weight_Br(T) =\sum_{bb∈P ath(T )<bb,bb_i>∈EDGES}IsUntouched(< bb,bb_i >)
此公式只在且仅当边缘 <bb,bb_i> 未被任何先前的测试用例覆盖，否则为0。
通过此公式，可用权重来考虑种子的选择，即权重更高的种子将被优先考虑模糊化，值得注意的是，随着测试的进行，先前运行的测试用例集将发生变化，因此所接触的函数的返回值也将发生变化。因此，测试用例的权重是动态的。
CollAFL-desc
拥有更多未受影响的邻近后代的种子将优先考虑模糊，该策略使用未接触的邻近后代的数量作为测试用例t的权重，计算公式如下：
Weight_Desc(T) = \sum_{bb∈P ath(T )IsU ntouched(<bb,bb_i >)}NumDesc(bb_i)
其中函数IsUntouched与CollAFL-br策略中使用的相同，函数NumDesc返回从参数基本块开始的子代路径数。其形式定义如下：
NumDesc(bb) =\sum_{<bb,bb_i>∈EDGES}NumDesc(bb_i)
需要注意的是，这里的权重不是确定的，因为函数IsUntouched是动态的。但是，对于每个基本块，子路径的数量是确定的。
CollAFL-mem
拥有更多内存访问操作的种子将优先于模糊，该策略使用内存访问操作的数量作为测试用例t的权重，其计算公式如下：
Weight_Mem(T) =\sum_{bb∈P ath(T )}NumMemInstr(bb)
其中，函数NumMemInstr返回参数基本块中的内存访问操作数，可以静态计算。因此，与前两个策略不同，以这种方式计算的权重是确定性的。
以上策略，总的来说，第一个策略，考虑的是，每个种子会走一条路径，一条路径实际有不同分支的，有些分支是被其他种子测过，有的分支没有。然后CollAFL统计这个种子多样分支被测过，有多少分支没有被测过，于是就有可能出现两个种子。第一个种子有一个分支没测过，第二个种子有N个分支没测过。CollAFL选择的就是后者，因为在第二个进行变异的时候有非常大的概率，种子存在没有被触发、测试过的分支。
第二个策略是在第一个策略基础上的改进，策略一中的分支记为 1，此处分支后面会跟着一些子路径，所以也要考虑子路径的数目，因此计数不再是 1，而是把后面的分支根据路径数量加进来。
第三个策略，考虑的是内存访问，CollAFL统计这个种子所走的路径，基本块访问的数量，那些访问数量多的，优先级就相应高一点。
0x04 Result
- 在24个实际应用程序中发现了157个新的安全漏洞，其中95个被CVE确认。
- 没有开源CollAFL
0x05 Question
确保bitmap size大于边数的原理？
答：上文中提到了AFL中的hash计算公式： ，在这个公式里，其计算结果能够保证小于等于cur或者prev的值，而cur或者prev 的值小于等于64k，bitmap 则可以认为是一个数组（如：bitmap[64]）， 前面边的hash值的计算结果就是bitmap数组下标的引用，例如某个边hash值计算的结果为100，则AFL就设置bitmap[100]非零，表示该边已经走过，所以需要确保bitmap size的值要大于边数。
在很多实际情况下的工程中，测试人员是只有二进制的程序，AFL原生提供了qemu的方式去fuzz二进制，但是效率太低，从哪方面考虑解决这个问题？
答：在AFL中，qemu，llvm，afl-gcc都是为了插桩得到edge的信息。而llvm和afl-gcc都是针对源代码，qemu是针对binary。qemu可视为一个虚拟机，目的是为了给binary提供运行环境，因为binary的插桩其实是比较困难的，所以直接用qemu的运行状态来得到fuzzing想要的插桩效果，这些操作本质都是给插桩服务的。因此如果要解决qemu的速度问题，本质就是要找到合适的binary插桩方式，或者找到更好的“虚拟机”。
以上两个问题感谢师兄给出的解答