这篇文章给大家分享的是有关Nautilus是一款什么工具的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

创新互联-专业网站定制、快速模板网站建设、高性价比泰顺网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式泰顺网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖泰顺地区。费用合理售后完善，十载实体公司更值得信赖。

Nautilus介绍

Nautilus是一款基于覆盖指引和语法的反馈式模糊测试工具，广大研究人员可以使用Nautilus来提升模糊测试过程中的测试覆盖率，以寻找到更多的安全漏洞。在Nautilus的帮助下，研究人员可以通过指定半有效的输入语法，来执行更加复杂的变异操作，并生成更多有效的测试用例。

目前，Nautilus已发布了2.0版本，该版本相较于Nautilus原型，引入了很多功能性提升，目前该工具已经100%支持AFL++了。除了稳定性和可用性提升之外，还包括下列功能提升：

• 支持AFL-Qemu模式

• 支持Python格式语法

• 支持使用Python脚本生成结构化输入

• 支持指定源码协议/格式

• 支持指定正则表达式

• 避免生成相似的短输入

• 提供了更好的错误输出

• 修复大量Bug

Nautilus工作机制

我们可以使用类似EXPR -> EXPR + EXPR、EXPR -> NUM和NUM -> 1这样的规则来指定一个语法。针对这些规则，模糊测试器将构建一个树状结构，这种内部语法表达允许支持更加复杂的变异操作。接下来，这个树状结构将会转变为针对目标应用程序的真实输入，即拼接所有的叶子节点。在下方给出的示例中，左子树将会被解析为“a=1+2”，右子树则为“a=1+1+1+2”。为了提高语法的表达能力，Nautilus还可以允许广大研究人员使用Python脚本来实现对树状结构的解析，以支持更加复杂的操作。

 

工具安装&配置

首先，广大用户需要使用下列命令将该项目源码克隆至本地，并进行基础配置：

git clone 'git@github.com:nautilus-fuzz/nautilus.git'

cd nautilus

/path/to/AFLplusplus/afl-clang-fast test.c -o test #afl-clang-fast as provided by AFL

接下来，我们需要在config.ron文件中设置好所有需要使用的参数：

cargo run --release -- -g grammars/grammar_py_example.py -o /tmp/workdir -- ./test @@

如果想要使用QEMU模式的话，可以运行下列命令：

cargo run /path/to/AFLplusplus/afl-qemu-trace -- ./test_bin @@

工具使用样例

在这里，我们可以使用Python来生成一个语法，并生成一个有效的类XML输入。需要注意的是，Python脚本的语法规则，这里必须确保匹配起始标签：

#ctx.rule(NONTERM: string, RHS: string|bytes) adds a rule NONTERM->RHS. We can use {NONTERM} in the RHS to request a recursion.

ctx.rule("START","{XML_CONTENT}")

ctx.rule("XML_CONTENT","{XML}{XML_CONTENT}")

ctx.rule("XML_CONTENT","")

 

#ctx.script(NONTERM:string, RHS: [string]], func) adds a rule NONTERM->func(*RHS).

# In contrast to normal `rule`, RHS is an array of nonterminals.

# It's up to the function to combine the values returned for the NONTERMINALS with any fixed content used.

ctx.script("XML",["TAG","ATTR","XML_CONTENT"], lambda tag,attr,body: b"<%s %s>%s"%(tag,attr,body,tag) )

ctx.rule("ATTR","foo=bar")

ctx.rule("TAG","some_tag")

ctx.rule("TAG","other_tag")

 

#sometimes we don't want to explore the set of possible inputs in more detail. For example, if we fuzz a script

#interpreter, we don't want to spend time on fuzzing all different variable names. In such cases we can use Regex

#terminals. Regex terminals are only mutated during generation, but not during normal mutation stages, saving a lot of time.

#The fuzzer still explores different values for the regex, but it won't be able to learn interesting values incrementally.

#Use this when incremantal exploration would most likely waste time.

 

ctx.regex("TAG","[a-z]+")

接下来，我们可以使用模糊测试用例生成器来测试我们刚才生成的语法：

$ cargo run --bin generator -- -g grammars/grammar_py_exmaple.py -t 100

除此之外，我们还可以结合AFL来使用Nautilus。使用“-o”参数来指向AFL到同一工作目录，而AFL则会将数据跟Nautilus同步。在这里，AFL将导入Nautilus的输入：

#Terminal/Screen 1

./afl-fuzz -Safl -i /tmp/seeds -o /tmp/workdir/ ./test @@

 

#Terminal/Screen 2

cargo run --release -- -o /tmp/workdir -- ./test @@

感谢各位的阅读！关于“Nautilus是一款什么工具”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！

网站栏目：Nautilus是一款什么工具
URL分享：http://azwzsj.com/article/jgcjog.html