
यूज़रलैंड CUDA अनुप्रयोगों के लिए GPU-केंद्रित कवरेज-निर्देशित फ़ज़र
हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।
अभी तक कोई लोकप्रियता डेटा नहीं है।
इस रिपॉजिटरी में cuFuzz के आर्टिफैक्ट्स शामिल हैं, जो यूज़रलैंड CUDA अनुप्रयोगों के लिए एक GPU-उन्मुख कवरेज-निर्देशित फ़ज़र है। cuFuzz होस्ट-साइड और डिवाइस-साइड कवरेज संग्रह को सैनिटाइज़ेशन के साथ जोड़ता है ताकि CUDA प्रोग्रामों में बग्स को प्रभावी ढंग से खोजा जा सके।

cufuzz-artifacts/
├── src/ # Core cuFuzz components
│ ├── cufuzz_cov_nvbit/ # NVBit-based device-side coverage collection tool
│ └── cufuzz_sand/ # Sanitizer wrappers for SAND integration
├── targets/ # Example fuzzing targets
│ └── sampleApp/ # Simple CUDA app with intentional bug for testing
├── scripts/ # Evaluation and analysis scripts
├── Tools/ # External dependencies
│ ├── AFLplusplus/ # AFL++ fuzzer (git submodule)
│ └── AFLplusplus.patch # cuFuzz patches for AFL++
├── third-party-licenses/ # Third-party license files
│ ├── LICENSE_from_aflplusplus # AFL++ Apache 2.0 license
│ └── LICENSE_from_nvbit # NVBit NVIDIA EULA
├── images/ # Documentation images
├── build.sh # Automated build script
├── verify_build.sh # Quick verification test
├── Dockerfile # Docker container definition
├── LICENSE # Apache License 2.0
└── CONTRIBUTING.md # Contribution guidelines and DCO
cuFuzz का परीक्षण निम्नलिखित हार्डवेयर कॉन्फ़िगरेशन पर किया गया था:
| घटक | विनिर्देश |
|---|---|
| GPU | NVIDIA A40 (48GB VRAM, Compute Capability 8.6) |
| CPU | Intel Xeon Platinum 8362 (64 cores, 2 threads/core) |
| मेमोरी | 120GB+ RAM अनुशंसित |
| स्टोरेज | Docker इमेज और फ़ज़िंग आउटपुट के लिए 50GB+ खाली स्थान |
अन्य GPU: cuFuzz कंप्यूट क्षमता ≥ 7.0 वाले अन्य NVIDIA GPU पर काम करना चाहिए। GPU_ARCH पर्यावरण चर को तदनुसार समायोजित करें (देखें GPU आर्किटेक्चर कॉन्फ़िगरेशन)।
| घटक | संस्करण |
|---|---|
| Ubuntu | 22.04 LTS |
| NVIDIA ड्राइवर | 570.144 या संगत |
| CUDA टूलकिट | 12.9 |
| Docker | 20.10+ (अनुशंसित) |
| nvidia-container-toolkit | --gpus फ़्लैग समर्थन के लिए आवश्यक |
| clang | 14 |
cuFuzz को आज़माने का सबसे तेज़ तरीका Docker कंटेनर का उपयोग करना है। हमारा Dockerfile आधिकारिक NVIDIA CUDA 12.9 डेवलपमेंट इमेज का उपयोग करता है।
tar -xzvf cufuzz-artifacts.tar.gz
cd cufuzz-artifacts
# Clone AFL++ (required dependency)
git clone https://github.com/AFLplusplus/AFLplusplus.git Tools/AFLplusplus
cd Tools/AFLplusplus
git checkout 9cac7ced05eb9f36c1d0b02ad594b3b09cd3938b
cd ../..
अपने GPU आर्किटेक्चर को निर्दिष्ट करते हुए Docker इमेज बनाएं:
sudo docker build --build-arg GPU_ARCH=<your_arch> -t cufuzz .
GPU आर्किटेक्चर संदर्भ:
| GPU परिवार | आर्किटेक्चर | उदाहरण |
|---|---|---|
| Ampere (डेटा सेंटर) | sm_80 | A100 |
| Ampere (कंज़्यूमर/प्रो) | sm_86 | A40, RTX 3090, RTX 3060 |
| Hopper | sm_90 | H100 |
| Ada Lovelace | sm_89 | RTX 4090, L40 |
| Turing | sm_75 | RTX 2080, T4 |
पूरी सूची के लिए देखें: https://developer.nvidia.com/cuda-gpus
A40/RTX 3090 के लिए उदाहरण:
sudo docker build --build-arg GPU_ARCH=sm_86 -t cufuzz .
नोट: यह चरण आपकी मशीन और नेटवर्क कनेक्शन के आधार पर कई मिनट ले सकता है।
sudo docker run --rm --gpus all -it -v /:/my_workspace cufuzz bash
Docker कंटेनर चलने के बाद, बिल्ड सत्यापित करें:
root@container:~/cufuzz# ./verify_build.sh
Ubuntu 22.04 पर आवश्यक निर्भरताएँ इंस्टॉल करें:
apt-get update && apt-get install -y build-essential python3-dev automake cmake git flex \
bison libglib2.0-dev libpixman-1-dev python3-setuptools cargo libgtk-3-dev lld llvm llvm-dev \
clang ninja-build cpio libcapstone-dev wget curl python3-pip vim less libxxhash-dev bc zlib1g-dev
अपने GPU के लिए GPU_ARCH पर्यावरण चर सेट करें (ऊपर आर्किटेक्चर तालिका देखें):
export GPU_ARCH=sm_86 # Change to match your GPU
cd Tools/AFLplusplus
patch -N -p1 < ../AFLplusplus.patch
export CXX=/usr/bin/clang++-14
export CC=/usr/bin/clang-14
make -j8 &> build.log
NVBit संस्करण 1.7.5 डाउनलोड करें:
mkdir -p Tools/NVBit
wget https://github.com/NVlabs/NVBit/releases/download/v1.7.5/nvbit-Linux-x86_64-1.7.5.tar.bz2
tar -xvf nvbit-Linux-x86_64-1.7.5.tar.bz2
mv nvbit_release_x86_64/* Tools/NVBit/
rm -rf nvbit_release_x86_64 nvbit-Linux-x86_64-1.7.5.tar.bz2
हमारा NVBit कवरेज टूल बनाएं:
cd src/cufuzz_cov_nvbit/
export GPU_ARCH=sm_86 # Adjust for your GPU
ARCH=$GPU_ARCH make
cd src/cufuzz_sand
AFL_SAN_NO_INST=1 ../../Tools/AFLplusplus/afl-clang-fast -O2 wrapper_san.c -o wrapper_memcheck.out
AFL_SAN_NO_INST=1 ../../Tools/AFLplusplus/afl-clang-fast -DSAN_MODE_INIT -O2 wrapper_san.c -o wrapper_initcheck.out
AFL_SAN_NO_INST=1 ../../Tools/AFLplusplus/afl-clang-fast -DSAN_MODE_RACE -O2 wrapper_san.c -o wrapper_racecheck.out
AFL_SAN_NO_INST=1 ../../Tools/AFLplusplus/afl-clang-fast -DSAN_MODE_ASAN -O2 wrapper_san.c -o wrapper_asan.out
cuFuzz बनाने के बाद, निम्नलिखित कमांड का उपयोग करके फ़ज़िंग चलाएँ:
CUFUZZ_MAP_SIZE=65536 AFL_SKIP_CPUFREQ=1 AFL_PRELOAD=/PATH/TO/cufuzz_cov.so \
./Tools/AFLplusplus/afl-fuzz -x sample.dict -i input_samples/ -o output_dir/ \
-t 1000000 ./cuda_app.out @@
| वेरिएबल | विवरण | उदाहरण |
|---|---|---|
AFL_SKIP_CPUFREQ | CPU स्केलिंग पॉलिसी जाँच छोड़ें | AFL_SKIP_CPUFREQ=1 |
AFL_PRELOAD | NVBit कवरेज टूल का पथ | AFL_PRELOAD=/path/to/cufuzz_cov.so |
| वेरिएबल | विवरण | उदाहरण |
|---|---|---|
CUFUZZ_MAP_SIZE | कवरेज मैप का आकार बाइट्स में | CUFUZZ_MAP_SIZE=65536 |
COV_PERSISTENT | AFL पर्सिस्टेंट मोड समर्थन सक्षम करें (0=नहीं, 1=हाँ) | COV_PERSISTENT=1 |
GPU_ARCH | बिल्ड के लिए लक्षित GPU आर्किटेक्चर | GPU_ARCH=sm_86 |
| वेरिएबल | विवरण | उदाहरण |
|---|---|---|
ORIGINAL_APP | वैनिला (अनइंस्ट्रूमेंटेड) एप्लिकेशन का पथ | ORIGINAL_APP=./cuda_app |
SANITIZER_PATH | compute-sanitizer बाइनरी का पथ | SANITIZER_PATH=/usr/local/cuda/bin/compute-sanitizer |
SANITIZER_ARG | memcheck सैनिटाइज़र के लिए तर्क | SANITIZER_ARG="--tool=memcheck --error-exitcode 99" |
SANITIZER_ARG_RACE | racecheck सैनिटाइज़र के लिए तर्क | SANITIZER_ARG_RACE="--tool=racecheck --error-exitcode 99" |
SANITIZER_ARG_INIT | initcheck सैनिटाइज़र के लिए तर्क | SANITIZER_ARG_INIT="--tool=initcheck --error-exitcode 99" |
AFL_SAN_ABSTRACTION वेरिएबल नियंत्रित करता है कि सैनिटाइज़र को कौन से इनपुट दिए जाएँ:
| मान | विवरण | संवेदनशीलता | प्रदर्शन |
|---|---|---|---|
all_trace | सैनिटाइज़र को सभी इनपुट दें | सर्वोच्च | सबसे धीमा |
simplify_trace | अद्वितीय निष्पादन पथ वाले इनपुट दें | उच्च | संतुलित |
unique_trace | अद्वितीय कवरेज सिग्नेचर वाले इनपुट दें | मध्यम | तेज़ |
coverage_increase | केवल कवरेज वृद्धि का कारण बनने वाले इनपुट दें | न्यूनतम | सबसे तेज़ |
अनुशंसित: AFL_SAN_ABSTRACTION=simplify_trace (डिफ़ॉल्ट)