1.记某次攻防演练：大战UEditor并突破
2.honggfuzz漏洞挖掘技术深究系列（1）——反馈驱动
3.LibFuzzer workshop学习之路（final）
4.安全漏洞漏洞发掘方法
5.微软推出了新的源码开源错误发现工具ProjectOneFuzz
6.有什么常见的模糊测试工具？

记某次攻防演练：大战UEditor并突破

       参与某次攻防演练，目标单位存在公开的源码域名备案信息。通过FOFA搜索，源码发现该单位存在端口的源码开放子域名，启动渗透流程。源码目录扫描后，源码mdns 源码发现/bin.rar路径可以访问到一个压缩文件，源码下载解压缩后，源码初步判断为.NET形式的源码站点源代码，使用C#语言编写。源码进一步分析dll文件的源码命名规则和.NET格式，判断出主要的源码后端逻辑代码位于xxx.Application.Web.dll文件中。为了解读二进制dll文件，源码使用dnspy进行反编译。源码为帮助网安学习者，源码提供一套免费资料包，包括网安学习路径思维导图、工具包、SRC分析报告、攻防实战技术电子书、CISSP认证资料、CTF实战技巧、大厂面试题集、客户端安全检测指南等。

       源码中发现使用UEditor。UEditor的路径为/Utility/UEditor/controller.ashx。尝试访问关键接口，发现返回错误，可能由于WAF或EDR拦截。通过Fuzz方法，发现通过访问/Utility/UEditor/.css?action=catchimage可以绕过拦截，成功访问关键接口。利用UEditor .net版本的任意文件上传漏洞，上传哥斯拉jsp webshell。漏洞利用参考链接：freebuf.com/vuls/...。在上传过程中遇到杀软拦截，使用github.com/Tas9er/ByPas...项目对webshell进行免杀处理，最终成功上传并连接，app任务发布平台源码完成UEditor站点的利用。接下来，通过愉快地打内网进行后续操作。

       传统的UEditor利用方式通常需要本地编写HTML文件，包含表单以提交马地址至目标服务器。不过，原理基于HTTP请求发送马地址，因此可以直接在Burp Suite中发送请求达到相同效果，省去制作HTML文件的步骤。请求发送后，服务器返回webshell路径。总结，攻防演练过程中，通过信息收集、渗透测试、代码分析、利用漏洞等步骤，成功完成目标系统的利用，展示了攻防技术的实战应用。

honggfuzz漏洞挖掘技术深究系列（1）——反馈驱动

       honggfuzz漏洞挖掘技术详解（1）——反馈驱动

       反馈驱动是漏洞挖掘技术中的关键策略，它通过追踪样本触发的代码覆盖率，优化输入样本以提升覆盖率，从而增加发现漏洞的可能性。在业界，AFL、libfuzzer和honggfuzz是基于代码覆盖率的三大著名Fuzzer，它们均开源，可在GitHub上获取。

       honggfuzz尤其受到关注，其原理与应用将是我们系列探讨的重点。我曾深入研究过honggfuzz的源码并进行二次开发，实践证明其挖掘漏洞的效果显著。系列将详细解析honggfuzz的运作机制，从代码覆盖率的三种衡量标准——函数、基本块和边界，到实际应用中的反馈驱动原理。

       在honggfuzz中，asp大数据分页源码基本块覆盖率是主要的统计方式。通过编译选项，如添加`-fsanitize-coverage=bb`，可以生成`sancov.map`和`sancov.raw`文件，记录执行过的基本块信息。honggfuzz会分析这些文件，计算覆盖率，根据新路径或链接库加载情况，生成变异样本以触发更多未探索的路径。

       honggfuzz诞生于年，与AFL同时期发布，AFL的出现极大地推动了安全领域的发展。尽管AFL源码分析众多，honggfuzz的深度剖析却相对较少，因此我决定编写这一系列文章。个人曾为honggfuzz贡献代码，但未被采纳，于是转向自行开发，为不同平台添加新功能，并借此发现了不少CVE。

       后续文章将深入探讨honggfuzz的更多细节，感谢robertswiecki创建出这款强大的工具。这些内容源自公众号：漏洞战争。

LibFuzzer workshop学习之路（final）

       libfuzzer workshop是一次深入的fuzzing学习之旅，本文精选最后两个案例 - 针对re2和pcre2的fuzz，深入探讨了链接库选择、插桩编译参数设置及max_len对结果的影响。

       以pcre2为例，作为Perl兼容的正则表达式库，其在许多开源软件中被广泛使用。进行源码编译时，需注意通过特定插桩参数优化编译效率。设置如fuzzer-no-link参数来确保不链接主符号，尤其在处理大型项目时，能显著提升fuzz效率。

       编译过程中，根据pcre2的cf透视写好的源码特性添加了如--with-match-limit和--with-match-limit-recursion限制匹配操作的资源使用和递归深度，以及--enable-never-backslash-C禁用特定正则模式，优化匹配过程。之后，分析提供的harness实现逻辑，结合参数优化执行，很快得到了crash现象。研究崩溃发生的具体位置，定位漏洞所在函数，并一步步追溯其调用链，对整个过程的细节进行了详尽的剖析。

       针对re2库的fuzzing，展示了max_len选择对fuzz过程的重要性。不同长度设置下的探测效果差异显著，max_len值决定样本长度范围，从而影响寻找覆盖点的速度。通过对比不同max_len的探测结果，可以清晰地看到其对fuzz效率的影响，合理选择max_len值可以显著提升发现crash的概率。

       学习总结指出，在libfuzzer workshop中，libfuzzer作为强大而常用的fuzz工具，其对开源库接口函数的fuzz能力突出。然而，设计合适的harness是挑战，需要深入了解要fuzz的开源库接口，通过逐步优化来接近发现crash的目标。

       本文展示了libfuzzer workshop的关键点，从源码准备、参数优化到harness的构造和性能调优，再到深入分析crash定位和漏洞修复策略，全面展示了学习libfuzzer的深度与广度。

安全漏洞漏洞发掘方法

       在软件开发中，安全漏洞被视为软件错误的一种，所有软件测试方法都可以用于漏洞的发现。对于漏洞发掘，黑客们运用了一系列可遵循的策略：

       首先，fuzz测试，e语言整人源码下载也称为黑盒测试，通过构造可能引发程序错误的输入数据，进行自动化的测试，以此寻找漏洞。

       源码审计，即白盒测试，利用现代工具如C语言编译器等，对程序内部进行检查，找出隐藏的安全问题。

       IDA反汇编审计，类似于源码审计，但面对的是二进制代码，即使无法获得源码，IDA作为强大的反汇编工具，也能帮助我们基于汇编代码进行安全审查。

       动态跟踪分析是另一种策略，它记录程序在不同条件下的执行行为，特别是与安全相关的操作，如文件操作，以此检测竞争条件类漏洞，包括污点传播跟踪。

       最后，补丁比较也是一个实用的手段，通过对厂商发布补丁前后文件的源码或反汇编码进行对比，可以揭示漏洞的具体细节。

       无论哪种方法，关键都在于人工分析，需要全面覆盖流程路径。这可能包括分析设计文档、深入源码、解析反汇编代码，甚至动态调试程序，以确保漏洞的完整发现和修复。

扩展资料

       漏洞是在硬件、软件、协议的具体实现或系统安全策略上存在的缺陷，从而可以使攻击者能够在未授权的情况下访问或破坏系统。是受限制的计算机、组件、应用程序或其他联机资源的无意中留下的不受保护的入口点。

微软推出了新的开源错误发现工具ProjectOneFuzz

       今天早些时候，Microsoft 更新了Visual Studio Code的C ++扩展，将其扩展到了1.0版。源代码编辑器是在标准MIT许可下可在GitHub上获得的几种Microsoft产品之一。

       今天，该技术巨头已经在相同的许可下发布了一个新的开源工具-OneFuzz项目。该新平台将替代Microsoft已停产的安全风险检测服务，该平台被称为“ Azure的开源自托管开发人员测试平台”。

       模糊测试本质上是通过严格的测试过程来消除可利用的安全漏洞，该过程涉及用大量随机数据泛滥相关程序。尽管非常有用，但执行起来也常常很复杂。OneFuzz项目试图利用开源LLVM编译器基础结构项目的最新进展，使模糊测试变得更轻松，更连续。

       由于上述进步，以前必须连接到连续构建系统的相关机制现在可以直接烘焙到其中。例如，崩溃检测可以通过asan工具内置，而覆盖范围跟踪可以使用SanitizerCoverage(sancov)工具进行烘焙。展望未来，这些更改将使在单个可执行文件中内置多种模糊测试技术，从而可以开发单元测试二进制文件。

       然后，Project OneFuzz允许将这些测试二进制文件构建到CI / CD管道和云中的大规模Fuzz工作流程中。该工具的突出功能包括：

       可组合的模糊测试工作流程：开放源代码允许用户使用自己的模糊测试工具，交换仪器和管理种子输入。

       内置的集成模糊测试：默认情况下，模糊测试器作为一个团队来共享优势，在模糊测试技术之间交换感兴趣的输入。

       程序分类和结果重复数据删除：它提供了始终重复的独特缺陷案例。

       按需实时发现已崩溃的调试：它使您可以按需或从构建系统中调用实时调试会话。

       可观察和可调试：透明的设计允许自省每个阶段。

       Windows和Linux操作系统上的模糊性：设计成多平台。使用您自己的OS构建，内核或嵌套的管理程序进行模糊测试。

       崩溃报告通知回调：当前支持Azure DevOps工作项和Microsoft Teams消息

       该测试框架已在包括Microsoft Edge和Windows在内的其他Microsoft服务和平台中使用。现在，随着OneFuzz项目的可用性扩展到全世界的开发人员，可以在GitHub上访问它。微软欢迎开源社区的贡献，该公司承诺将来会对该工具进行将来的更新。

有什么常见的模糊测试工具？

       探索常见模糊测试工具：全面覆盖与定制化选择

       在当今复杂的软件环境中，确保应用安全至关重要。模糊测试工具作为一种强大的安全测试手段，能够发现潜在漏洞并帮助开发者提升软件质量。这里有几款备受瞩目的模糊测试工具，它们各具特色，满足不同场景的需求。

       首先，beSTORM，由Beyond Security打造，作为一款功能强大的模糊测试器，它无需源代码即可运行，适用于各类硬件和软件。无论是物联网设备、航空航天工具，还是低功耗蓝牙设备，只要可编程，beSTORM都能无缝协作。它的广泛兼容性使其成为跨行业应用的理想选择。

       紧随其后的是Code Intelligence Fuzz (CI Fuzz)，这款预配置的Ubuntu VM，作为持续集成和持续交付(CI/CD)流程的得力助手，能自动检测并修复新代码引入的漏洞。CI Fuzz直接访问源代码，支持C、C++、Java和Go等语言，随着对.NET Core和Python框架的整合，它在漏洞检测方面日益成熟。

       Synopsys则提供了定制化模糊测试工具套件，针对不同语言、协议和场景，让开发者能够根据具体需求选购。他们的工具集包括针对DNS服务器到专业应用（如CAN总线或IKEv2）的全方位解决方案，提供详细的文档和支持，确保深度覆盖。

       对于免费或开源选项，Peach Fuzzer凭借其全面的安全覆盖，超越了简单的扫描器，用户可以发现已知和未知的威胁，确保了更高的安全防护。同时，Spike Proxy作为专业级Web应用漏洞检测工具，基于Python架构，适用于Linux和Windows，覆盖基础攻击手段如SQL注入和XSS。

       而Webscarab，作为一款Java编写的拦截代理，能够深度分析HTTP和HTTPS通信，帮助检测和修复浏览器与服务器间的漏洞。最后，OWASP WSFuzzer，作为一款GPL许可的网络服务测试工具，聚焦于HTTP SOAP服务，为开发者提供了强大的网络服务漏洞检测平台。

       无论你是寻求全面覆盖，还是针对性极强的解决方案，这些模糊测试工具都能在你的安全防护网中发挥关键作用，让软件安全无死角。

Fuzz测试：提升自动驾驶安全性

       在汽车制造业的发展历程中，技术创新作为支撑，对世界经济、社会发展及人们的生产生活方式产生了深远影响。从福特公司的T型车生产流水线到本田雅阁汽车的车载导航系统，再到现在的泊车辅助系统，汽车产业在技术层面持续革新。然而，随着新技术的加速落地，安全漏洞问题也随之显现。通过物联网实现网络连接的汽车，正面临着与手机、笔记本电脑相似的网络安全威胁。

       Fuzz测试，作为解决汽车安全问题的简单有效方法，提供了必要的预防措施。Fuzz测试，亦称模糊测试，是一种自动化软件测试技术，其核心是将自动或半自动生成的随机数据输入到被测设备中，监测异常情况以发现潜在错误。Fuzz测试可应用于白盒、灰盒或黑盒测试，通过变异测试（mutation-based）或生成测试（generation-based）工具，发现先前未能发现的漏洞，包括零日漏洞。

       自动驾驶的出现，将汽车技术推向了新的高度。车联网这一概念，作为IoT（Internet of Things）的一种，为汽车带来了便利与快捷，同时也成为了黑客攻击汽车控制系统的主要渠道。黑客通过网络威胁，对车辆进行攻击，可能导致严重的安全漏洞。根据Upstream Security发布的《年全球汽车网络安全报告》，预计在未来几年内，网络黑客攻击可能导致汽车业损失近亿美元。这表明汽车生态中的网络威胁对道路使用者的安全构成严重威胁。

       由于自动驾驶尚未广泛普及，汽车制造商通常在既定的平台标准上开发自己的安全协议，导致相对应的安全漏洞未得到充分研究与记录。美国国家标准与技术研究所（National Institute of Standards and Technology，NIST）在自动驾驶汽车系统和组件的漏洞检测（Common Vulnerabilities & Exposures，CVE）数据库中记录的问题数量虽然较少，但特斯拉等涉及智能驾驶的汽车事故频发，凸显了自动驾驶安全问题的紧迫性。

       Fuzz测试在自动驾驶和车联网领域发挥着关键作用。通过模拟攻击场景，Fuzz测试能够确保每辆自动驾驶汽车具备抵御试图破坏程序、绕过登录进行远程操作的攻击者的攻击能力。Fuzz测试的几种方法包括基于变异、基于重放和基于语法生成。每种方法都有其优势，能够对通信特定部分进行测试，确保所有数据包不会立即被被测设备阻塞，避免产生序列错误。

       Fuzz测试不仅是一种有效的测试方案，也是解决汽车自动驾驶安全问题的关键工具。它不依赖于被测设备的信息和源代码，能够对整个堆栈进行黑盒化处理，从而在开发阶段和预发布阶段发现潜在漏洞。Fuzz测试的优势在于能够通过需要串行连接的协议进行通信，为没有TCP/IP通信的产品提供强大的测试支持。

       综上所述，Fuzz测试是提升自动驾驶安全性的有效途径。通过使用Fuzz测试，开发者能够重现安全攻击、理解协议结构，并据此判断哪些部分更容易受到攻击，从而采取更有效的解决措施。当前阶段，Fuzz测试无疑是解决汽车自动驾驶安全问题必要且有效的测试方案。