NEUZZ 项目教程

NEUZZ 项目教程

neuzz neural network assisted fuzzer 项目地址: https://gitcode.com/gh_mirrors/ne/neuzz

1. 项目介绍

NEUZZ 是一个神经网络辅助的模糊测试工具，旨在通过结合神经网络技术来提高模糊测试的效率和覆盖率。该项目由 Dongdongshe 开发，并在 GitHub 上开源。NEUZZ 的核心思想是通过训练神经网络来预测程序的输入，从而生成更有可能触发新路径的测试用例。

2. 项目快速启动

2.1 环境准备

NEUZZ 在以下环境中测试通过：

• Ubuntu 16.04/18.04
• Tensorflow 1.8.0
• Keras 2.2.3
• Python 2.7
• gcc

2.2 安装步骤

1. 克隆项目仓库：

   git clone https://github.com/Dongdongshe/neuzz.git
   cd neuzz
   

2. 编译 NEUZZ：

   gcc -O3 -funroll-loops ./neuzz.c -o neuzz
   

3. 安装 Python 依赖：

   pip install tensorflow==1.8.0 keras==2.2.3
   

2.3 使用示例

假设我们要对 readelf 程序进行模糊测试：

1. 启动神经网络模块：

   python nn.py /readelf -a
   

2. 启动 NEUZZ 模块：

   ./neuzz -i neuzz_in -o seeds -l 7506 /readelf -a
   

3. 应用案例和最佳实践

3.1 应用案例

NEUZZ 可以应用于各种需要高覆盖率模糊测试的场景，例如：

• 安全测试：发现软件中的漏洞和安全问题。
• 性能测试：通过生成多样化的输入来测试软件的性能边界。

3.2 最佳实践

• 数据收集：在使用 NEUZZ 之前，建议先使用 AFL 对目标程序进行一段时间的模糊测试，以收集初始训练数据。
• 参数调优：根据目标程序的复杂度，调整 mutation_len 参数以获得最佳的模糊测试效果。

4. 典型生态项目

• AFL (American Fuzzy Lop)：NEUZZ 的前置工具，用于生成初始的模糊测试数据。
• Tensorflow：用于神经网络的训练和预测。
• Keras：作为 Tensorflow 的高级 API，简化了神经网络的构建和训练过程。

通过结合这些工具，NEUZZ 能够有效地提升模糊测试的效率和覆盖率，为软件安全测试提供强有力的支持。

neuzz neural network assisted fuzzer 项目地址: https://gitcode.com/gh_mirrors/ne/neuzz