cuFuzz

Este repositório contém os artefatos do cuFuzz, um fuzzer orientado a GPU para aplicações CUDA no espaço do usuário, baseado em cobertura. O cuFuzz combina a coleta de cobertura do lado do host e do dispositivo com sanitização para descobrir bugs em programas CUDA de forma eficaz.

Estrutura do Repositório

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

Requisitos

Requisitos de Hardware

O cuFuzz foi testado na seguinte configuração de hardware:

Componente	Especificação
GPU	NVIDIA A40 (48GB VRAM, Compute Capability 8.6)
CPU	Intel Xeon Platinum 8362 (64 núcleos, 2 threads/núcleo)
Memória	120GB+ de RAM recomendado
Armazenamento	50GB+ de espaço livre para imagem Docker e saídas de fuzzing

Outras GPUs: o cuFuzz deve funcionar em outras GPUs NVIDIA com Compute Capability ≥ 7.0. Ajuste a variável de ambiente GPU_ARCH de acordo (veja Configuração da Arquitetura da GPU).

Requisitos de Software

Componente	Versão
Ubuntu	22.04 LTS
NVIDIA Driver	570.144 ou compatível
CUDA Toolkit	12.9
Docker	20.10+ (recomendado)
nvidia-container-toolkit	Necessário para suporte à flag --gpus
clang	14

Início Rápido: Instruções com Docker

A maneira mais rápida de experimentar o cuFuzz é usar um contêiner Docker. Nosso Dockerfile utiliza a imagem de desenvolvimento oficial NVIDIA CUDA 12.9.

1. Extrair o Artefato e Configurar 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. Construir a Imagem Docker

Construa a imagem Docker, especificando a arquitetura da sua GPU:

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

Referência de arquitetura de GPU:

Família de GPU	Arquitetura	Exemplos
Ampere (Data Center)	sm_80	A100
Ampere (Consumidor/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

Para uma lista completa, veja: https://developer.nvidia.com/cuda-gpus

Exemplo para A40/RTX 3090:

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

Nota: Esta etapa pode levar vários minutos, dependendo da sua máquina e conexão de rede.

3. Executar o Contêiner Docker

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

4. Verificar a Instalação

Assim que o contêiner Docker estiver em execução, verifique a construção:

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

Instruções Detalhadas de Construção (Sem Docker)

Pré-requisitos

Instale as dependências necessárias no 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

Definir a Arquitetura da GPU

Defina a variável de ambiente GPU_ARCH para sua GPU (veja a tabela de arquiteturas acima):

export GPU_ARCH=sm_86  # Altere para corresponder à sua GPU

Construir o 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

Construir a Ferramenta de Cobertura NVBit

Baixe o NVBit versão 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

Construa nossa ferramenta de cobertura NVBit:

cd src/cufuzz_cov_nvbit/
export GPU_ARCH=sm_86  # Ajuste para sua GPU
ARCH=$GPU_ARCH make 

Construir Wrappers de Sanitizador

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

Uso

Após construir o cuFuzz, invoque o fuzzing usando o seguinte 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 @@

Variáveis de Ambiente do cuFuzz

Variáveis Padrão do AFL++

Variável	Descrição	Exemplo
AFL_SKIP_CPUFREQ	Ignorar verificação de política de escalonamento de CPU	AFL_SKIP_CPUFREQ=1
AFL_PRELOAD	Caminho para a ferramenta de cobertura NVBit	AFL_PRELOAD=/path/to/cufuzz_cov.so

Variáveis de Cobertura do cuFuzz

Variável	Descrição	Exemplo
CUFUZZ_MAP_SIZE	Tamanho do mapa de cobertura em bytes	CUFUZZ_MAP_SIZE=65536
COV_PERSISTENT	Ativar suporte a modo persistente do AFL++ (0=não, 1=sim)	COV_PERSISTENT=1
GPU_ARCH	Arquitetura de GPU alvo para construções	GPU_ARCH=sm_86

Variáveis de Sanitização do cuFuzz

Variável	Descrição	Exemplo
ORIGINAL_APP	Caminho para a aplicação vanilla (não instrumentada)	ORIGINAL_APP=./cuda_app
SANITIZER_PATH	Caminho para o binário compute-sanitizer	SANITIZER_PATH=/usr/local/cuda/bin/compute-sanitizer
SANITIZER_ARG	Argumentos para o sanitizador memcheck	SANITIZER_ARG="--tool=memcheck --error-exitcode 99"
SANITIZER_ARG_RACE	Argumentos para o sanitizador racecheck	SANITIZER_ARG_RACE="--tool=racecheck --error-exitcode 99"
SANITIZER_ARG_INIT	Argumentos para o sanitizador initcheck	SANITIZER_ARG_INIT="--tool=initcheck --error-exitcode 99"

Modos do AFL_SAN_ABSTRACTION

A variável AFL_SAN_ABSTRACTION controla quais entradas são alimentadas aos sanitizadores: