cuFuzz

Questo repository contiene gli artefatti per cuFuzz, un fuzzer orientato alla GPU e guidato dalla copertura per applicazioni CUDA in spazio utente. cuFuzz combina la raccolta della copertura lato host e lato device con la sanitizzazione per scoprire efficacemente bug nei programmi CUDA.

Struttura del repository

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

Requisiti

Requisiti hardware

cuFuzz è stato testato sulla seguente configurazione hardware:

Componente	Specifica
GPU	NVIDIA A40 (48GB VRAM, Compute Capability 8.6)
CPU	Intel Xeon Platinum 8362 (64 core, 2 thread/core)
Memoria	120GB+ di RAM consigliati
Archiviazione	50GB+ di spazio libero per l'immagine Docker e gli output del fuzzing

Altre GPU: cuFuzz dovrebbe funzionare su altre GPU NVIDIA con Compute Capability ≥ 7.0. Regola la variabile d'ambiente GPU_ARCH di conseguenza (vedi Configurazione dell'architettura GPU).

Requisiti software

Componente	Versione
Ubuntu	22.04 LTS
NVIDIA Driver	570.144 o compatibile
CUDA Toolkit	12.9
Docker	20.10+ (consigliato)
nvidia-container-toolkit	Necessario per il supporto del flag --gpus
clang	14

Avvio rapido: istruzioni Docker

Il modo più rapido per provare cuFuzz è utilizzare un container Docker. Il nostro Dockerfile utilizza l'immagine di sviluppo ufficiale NVIDIA CUDA 12.9.

1. Estrarre l'artefatto e configurare AFL++

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 ../..

2. Creare l'immagine Docker

Crea l'immagine Docker specificando la tua architettura GPU:

sudo docker build --build-arg GPU_ARCH=<your_arch> -t cufuzz .

Riferimento delle architetture GPU:

Famiglia GPU	Architettura	Esempi
Ampere (Data Center)	sm_80	A100
Ampere (Consumer/Pro)	sm_86	A40, RTX 3090, RTX 3060
Hopper	sm_90	H100
Ada Lovelace	sm_89	RTX 4090, L40
Turing	sm_75	RTX 2080, T4

Per un elenco completo, vedi: https://developer.nvidia.com/cuda-gpus

Esempio per A40/RTX 3090:

sudo docker build --build-arg GPU_ARCH=sm_86 -t cufuzz .

Nota: Questo passaggio potrebbe richiedere diversi minuti a seconda della tua macchina e della connessione di rete.

3. Eseguire il container Docker

sudo docker run --rm --gpus all -it -v /:/my_workspace cufuzz bash

4. Verificare l'installazione

Una volta che il container Docker è in esecuzione, verifica la build:

root@container:~/cufuzz# ./verify_build.sh

Istruzioni dettagliate per la build (senza Docker)

Prerequisiti

Installa le dipendenze richieste su Ubuntu 22.04:

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

Impostare l'architettura GPU

Imposta la variabile d'ambiente GPU_ARCH per la tua GPU (vedi la tabella delle architetture sopra):

export GPU_ARCH=sm_86  # Change to match your GPU

Compilare AFL++

cd Tools/AFLplusplus 
patch -N -p1 < ../AFLplusplus.patch 
export CXX=/usr/bin/clang++-14 
export CC=/usr/bin/clang-14
make -j8 &> build.log

Compilare lo strumento di copertura NVBit

Scarica NVBit versione 1.7.5:

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

Compila il nostro strumento di copertura NVBit:

cd src/cufuzz_cov_nvbit/
export GPU_ARCH=sm_86  # Adjust for your GPU
ARCH=$GPU_ARCH make 

Compilare i wrapper dei sanitizer

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

Utilizzo

Dopo aver compilato cuFuzz, avvia il fuzzing usando il seguente comando:

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 @@

Variabili d'ambiente di cuFuzz

Variabili standard di AFL++

Variabile	Descrizione	Esempio
AFL_SKIP_CPUFREQ	Salta il controllo della policy di scaling della CPU	AFL_SKIP_CPUFREQ=1
AFL_PRELOAD	Percorso dello strumento di copertura NVBit	AFL_PRELOAD=/path/to/cufuzz_cov.so

Variabili di copertura di cuFuzz

Variabile	Descrizione	Esempio
CUFUZZ_MAP_SIZE	Dimensione della mappa di copertura in byte	CUFUZZ_MAP_SIZE=65536
COV_PERSISTENT	Abilita il supporto alla modalità persistente di AFL (0=no, 1=sì)	COV_PERSISTENT=1
GPU_ARCH	Architettura GPU di destinazione per le build	GPU_ARCH=sm_86

Variabili di sanitizzazione di cuFuzz

Variabile	Descrizione	Esempio
ORIGINAL_APP	Percorso dell'applicazione vanilla (non strumentata)	ORIGINAL_APP=./cuda_app
SANITIZER_PATH	Percorso del binario compute-sanitizer	SANITIZER_PATH=/usr/local/cuda/bin/compute-sanitizer
SANITIZER_ARG	Argomenti per il sanitizer memcheck	SANITIZER_ARG="--tool=memcheck --error-exitcode 99"
SANITIZER_ARG_RACE	Argomenti per il sanitizer racecheck	SANITIZER_ARG_RACE="--tool=racecheck --error-exitcode 99"
SANITIZER_ARG_INIT	Argomenti per il sanitizer initcheck	SANITIZER_ARG_INIT="--tool=initcheck --error-exitcode 99"

Modalità di AFL_SAN_ABSTRACTION

La variabile AFL_SAN_ABSTRACTION controlla quali input vengono inviati ai sanitizer: