cuFuzz

Этот репозиторий содержит артефакты для cuFuzz — ориентированного на GPU фаззера с управлением по покрытию для пользовательских CUDA-приложений. cuFuzz сочетает сбор покрытия на стороне хоста и на стороне устройства с санитизацией для эффективного поиска ошибок в CUDA-программах.

Структура репозитория

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

Требования

Требования к оборудованию

cuFuzz был протестирован на следующей конфигурации оборудования:

Компонент	Спецификация
GPU	NVIDIA A40 (48GB VRAM, Compute Capability 8.6)
CPU	Intel Xeon Platinum 8362 (64 cores, 2 threads/core)
Память	Рекомендуется 120GB+ RAM
Хранилище	50GB+ свободного места для Docker-образа и результатов фаззинга

Другие GPU: cuFuzz должен работать на других NVIDIA GPU с Compute Capability ≥ 7.0. Соответственно настройте переменную окружения GPU_ARCH (см. Конфигурация архитектуры GPU).

Требования к программному обеспечению

Компонент	Версия
Ubuntu	22.04 LTS
NVIDIA Driver	570.144 или совместимый
CUDA Toolkit	12.9
Docker	20.10+ (рекомендуется)
nvidia-container-toolkit	Требуется для поддержки флага --gpus
clang	14

Быстрый старт: инструкции по Docker

Самый быстрый способ попробовать cuFuzz — использовать Docker-контейнер. Наш Dockerfile использует официальный образ разработки NVIDIA CUDA 12.9.

1. Извлеките артефакт и настройте 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. Сборка Docker-образа

Соберите Docker-образ, указав архитектуру вашего GPU:

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

Справочник по архитектурам GPU:

Семейство GPU	Архитектура	Примеры
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

Полный список см. на: https://developer.nvidia.com/cuda-gpus

Пример для A40/RTX 3090:

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

Примечание: Этот шаг может занять несколько минут в зависимости от вашей машины и сетевого подключения.

3. Запуск Docker-контейнера

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

4. Проверка установки

После запуска Docker-контейнера проверьте сборку:

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

Подробные инструкции по сборке (без Docker)

Предварительные требования

Установите необходимые зависимости в 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

Настройка архитектуры GPU

Задайте переменную окружения GPU_ARCH для вашего GPU (см. таблицу архитектур выше):

export GPU_ARCH=sm_86  # Change to match your GPU

Сборка 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

Сборка инструмента покрытия NVBit

Скачайте NVBit версии 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

Соберите наш инструмент покрытия на основе NVBit:

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

Сборка обёрток санитайзеров

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

Использование

После сборки cuFuzz запустите фаззинг следующей командой:

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 @@

Переменные окружения cuFuzz

Стандартные переменные AFL++

Переменная	Описание	Пример
AFL_SKIP_CPUFREQ	Пропустить проверку политики масштабирования частоты CPU	AFL_SKIP_CPUFREQ=1
AFL_PRELOAD	Путь к инструменту покрытия NVBit	AFL_PRELOAD=/path/to/cufuzz_cov.so

Переменные покрытия cuFuzz

Переменная	Описание	Пример
CUFUZZ_MAP_SIZE	Размер карты покрытия в байтах	CUFUZZ_MAP_SIZE=65536
COV_PERSISTENT	Включить поддержку персистентного режима AFL (0=нет, 1=да)	COV_PERSISTENT=1
GPU_ARCH	Целевая архитектура GPU для сборки	GPU_ARCH=sm_86

Переменные санитизации cuFuzz

Переменная	Описание	Пример
ORIGINAL_APP	Путь к обычному (неинструментированному) приложению	ORIGINAL_APP=./cuda_app
SANITIZER_PATH	Путь к исполняемому файлу compute-sanitizer	SANITIZER_PATH=/usr/local/cuda/bin/compute-sanitizer
SANITIZER_ARG	Аргументы для санитайзера memcheck	SANITIZER_ARG="--tool=memcheck --error-exitcode 99"
SANITIZER_ARG_RACE	Аргументы для санитайзера racecheck	SANITIZER_ARG_RACE="--tool=racecheck --error-exitcode 99"
SANITIZER_ARG_INIT	Аргументы для санитайзера initcheck	SANITIZER_ARG_INIT="--tool=initcheck --error-exitcode 99"

Режимы AFL_SAN_ABSTRACTION

Переменная AFL_SAN_ABSTRACTION управляет тем, какие входные данные подаются санитайзерам: