想要高质量的代码吗？学习如何使用差分模糊测试！

让我们坦诚地说，谁没有错过测试生活中的极端情况呢？ 肯定发生在你身上过，也许你已经在实现了几个月后才意识到（也许当它已经在生产环境中时！）。 有些情况甚至会逃过最有经验的测试人员的眼睛，为了避免向你的经理解释，今天我们介绍一下fuzzing的概念，以及它的一种类型：差分fuzzer。

正如 OWASP 基金会所规定的：

Fuzz 测试或 Fuzzing 是一种黑盒软件测试技术，它包括以自动方式使用格式错误/半格式错误的数据注入来查找实现错误。

在寻找代码中的错误时，Fuzzing 是一种非常有效的技术。 这是通过生成大量随机条目来测试程序来实现的。 由此产生的测试通常能够达到不太常见的情况，通常会被忽视的那种。

如果你有兴趣了解有关 fuzzer 概念的更多信息，你可以观看我们制作的关于该主题的视频，使用 fuzzer 进行黑客攻击 和 fuzzing 工具

然而，这个工具并不局限于单个程序，或者仅仅是寻找最终导致崩溃的错误； 我们还可以比较同一程序的至少两个不同实现的输出，并检查它们是否遵循相同的行为； 这被称为差分 fuzzing。

我们应该何时使用差分 fuzzing？

我们可以使用差分 fuzzing 技术的情况是我们拥有同一算法的两种不同实现。 例如，让我们想想实现 Ethereum Virtual Machine 的所有不同语言。 差分 fuzzer 的简单魔力是使用不同的输入进行大规模测试，所有实现在运行相同的流程或函数时都返回相同的结果。 如果不是这种情况，则至少有一个实现在逻辑上存在错误，并且给出了我们未预期的结果。

差分 fuzzer 的结构

差分 fuzzer 的结构很简单，首先，我们定义我们将使用哪个工具进行 fuzzing，因为我们有大量的工具用于此目的，例如 Honggfuzz，Cargofuzz，Atheris 等等。

无论你选择哪种工具（我们不评判这里的偏好），所有工具都应该为我们提供相同的东西，一系列随机输入，我们将它们注入到要测试的代码中。

有了 fuzzer 提供的输入，我们将其调整为每个实现。 这样，两者最终都应该具有相同的输入，并且我们告诉 fuzzer 如果结果不同则返回错误。 这将为我们提供一个输入列表，其中至少有一个实现在其逻辑中存在错误，从而给出与预期不同的结果。

为此，我们可能需要中间函数来确保两个实现返回的结果具有可比性。

差分 fuzzer 示例

##![no_main]
use libfuzzer_sys::fuzz_target;
use std::io::prelude::*;
use inflate::inflate_bytes;
use libflate::deflate::Decoder;

// 如果 deflate 解码函数的两个不同实现返回不同的结果，则此差分 fuzzer 会 panic
fuzz_target!(|data: &[u8]| {
    let mut libflate_decoded = Decoder::new(data);
    let mut decoded_data = Vec::new();
    let libflate_res = libflate_decoded.read_to_end(&mut decoded_data).is_ok();

    let inflate_decoded = inflate_bytes(data).is_ok();

    if libflate_res != inflate_decoded {
    panic!("differential fuzz failed {}-{}",
            libflate_res, inflate_decoded)
    }

});

在示例中，我们可以看到差分 fuzzer 的示例。 此 fuzzer 是使用 libfuzzer 工具创建的，旨在在 Rust 中使用。 代码的结构很简单，对于你想要使用的所有 fuzzer 工具来说都是一样的。

首先，我们有导入，其中包括我们想要在 fuzzer 中比较的实现。 然后我们有将要运行 fuzzer 的函数，在本例中是 fuzz_target!() 函数。 这个函数为我们提供了一个随机生成的输入，在本例中是变量 data。 使用先前生成的 data，我们运行我们想要测试的代码。 在像 libflate 使用的示例代码这样的情况下，我们需要调整随机 data 以在第一时间被代码接收。 作为最后一步，我们进行差分魔法，也就是说，我们比较不同实现返回的结果。

在本例中，正如我们可以在运行 fuzzer 时在图像中看到的那样，它发现了一个崩溃，因为其中一个实现返回了一个有效结果，而另一个实现返回了一个错误。

输入和输出

根据输入和输出的每个特定情况，我们可能需要提供一些额外的代码。

让我们通过一个简单的例子来理解这意味着什么。 我们可能正在比较一些代码的两种实现，这些代码接收一个 二次方程 和一个答案，并返回答案是否响应方程。 在这种情况下，其中一个实现接收 4 个数字，这些数字对应于方程和答案的索引，另一个实现接收输入作为带有方程的字符串，如“axx+bx+c=d”。

## 实现 1
def check_if_answer(a,b,c,d, answer):
    result = (a * answer^2) + (b * answer) + c

    if result == d: {
        True
    }
    else: {
        False
    }

## 实现 2
def check_if_anwer(equation, answer):

    string_without_x = remove_x_from_string(equation) # 这返回 "a+b+c=d"
    array_of_indexes = split_string(string_without_x) # 这返回 [a,b,c,d]
    [a,b,c,d] =  array_of_indexes
    result = (a * answer^2) + (b * answer) + c

    if result == d: {
        True
    }
    else: {
        False
    }

为了给不同的实现提供“相同”的输入，我们需要调整起始输入，使其对两者都相同。 在输出中，我们也必须这样做。 其中一个实现可能返回 True/ False，而另一个实现返回 0/1，我们需要调整输出，以便相等性按其应有的方式工作。

这适用于常规 fuzzer 和差分 fuzzer。

结论

如果你正在实现一个已经有另一个实现的流程，以确保即使是极端情况也能得到一致的处理，那么差分 fuzzer 是一种非常有价值的工具。 在选择我们想要用于我们项目的解决方案的实现时，也可以使用此工具，通过比较每个实现的有效性。

• 原文链接： blog.lambdaclass.com/do-...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～