逆向与漏洞挖掘实验室,点击蓝字关注
针对UAF类漏洞的定向Fuzz论文分享
——Binary-level Directed Fuzzing for Use-After-Free Vulnerabilities
本文介绍一篇针对UAF(Use-After-Free)漏洞进行定向模糊测试的文章。
UAF漏洞介绍
首先来了解一下UAF,UAF是堆结构漏洞的一种重要的利用方式。UAF漏洞的触发过程主要包括三个事件:为指针分配空间、释放指针以及再次使用该指针。
如图1中三个事件按顺序执行就会触发UAF漏洞
图1 UAF触发过程
如图2中的代码存在UAF漏洞。
图2 代码示例
给buf分配的内存空间在第二行被释放,在第四行又对buf进行了内存读写,此时它指向的值是不确定的,如果它指向的值是被修改或指定的内存地址,就会发生任意地址的内存写操作。这主要是由于应用程序调用free()释放内存时,如果内存块小于256kb,就不会被真正释放,如果此时再申请相同大小的内存空间就会再次分配该内存块,使得以前的内存指针可以访问被修改过的内存块。可能导致数据损坏、信息泄露和拒绝服务攻击。
基于模糊测试技术发现UAF漏洞面临的挑战
模糊测试检测UAF漏洞主要面临以下几个挑战,首先是复杂性:触发UAF漏洞需要在程序执行中在同一个内存位置触发3个事件序列(即alloc、free和use),同时要按照一定的顺序执行到这三个事件,但是在程序中这些事件跨越了多个函数,这导致要执行到UAF漏洞代码变得复杂。
同时UAF漏洞在实际中很难触发,相比于缓冲区溢出只需要一个单独的界外内存访问,UAF具有的时间和空间约束的结合在实践中很难满足。
最后,UAF漏洞通常不会出现例如段错误这类明显的后果。在这种情况下,如果只是简单地观察计算机崩溃行为就不能检测到测试案例触发了UAF漏洞。之前介绍定向fuzz中提到的AFLGo[2]和HAWKEYE[3]也无法很好的检测UAF,UAFuzz是第一个在二进制级别针对UAF漏洞的灰盒定向fuzz。
UAFuzz介绍
如图3是UAFuzz[1]的总体流程图。
图3 UAFuzz总体流程图
UAFuzz首先对进行了目标路径扁平化操作,得到如图4中一系列堆栈信息:
图4 bug路径堆栈信息
这些信息并不适合轻量级工具,因此UAFuzz将三个堆栈信息中的每一个都被看作是调用树中的一条路径,通过合并堆栈信息重建动态调用树。根据UAF事件的顺序对子节点进行排序(来自alloc事件的子节点先于来自free事件的子节点),对树进行前序遍历,得到包含目标位置及其相关函数的路径序列如图5所示。
图5 bug路径序列
基于扁平化操作得到的路径,Uafuzz提出了三种输入度量方法:目标相似性度量、距离度量和切边覆盖率度量。
目标相似性测量种子s的执行路径与目标路径T之间的相似性。从4个方向定义了相似性,分别测量了相同前缀(P)、相同前缀中的UAF事件(3TP)、相同节点(B)和相同节点中UAF事件(3TB)的数量,例如图6中的路径,红色表示需要度量的输入路径,目标路径中的UAF事件节点为0、2、5。测量到相同前缀0-1-2-3,相同节点0-1-2-3-5。测量得到tP(s,T) = 4,t3TP(s,T) = 2,tB(s,T) = 5,t3TB(s,T) = 3。
图6 目标相似性测量
UAFuzz通过目标相似性进行种子选择,首先选择覆盖前缀多的种子,使fuzz可以更好地朝着目标前进。接着(在tP相同的情况下)选择相同前缀中UAF事件最多的种子,最后是相同节点最多的种子。
在距离测量上AFLgo中将函数级别距离权重设置为10,UAFuzz样通过修改调用图中函数之间的距离权重来解决,使用轻量级静态分析降低调用图7中这些事件之间的边的权重来实现。
图7 基于UAF的距离测量
UAFuzz计算在漏洞路径中可以调用UAF事件函数的函数集Ralloc、Rfree和 Ruse,如果fa∈Ralloc,fb∈Rfree∩Ruse,则表示执行fa→fb的边可能会按顺序覆盖这三个UAF事件。根据从fa到fb的可能覆盖的顺序事件的数量(>2),通过降低其权重(β=0.25)来优先选择这条边。最后结合了HAWKEYE的边权重修改,与AFLGO一样,UAFuzz优先用到达目标最短的路径,尽可能少的涉及控制流限制,更容易获得覆盖UAF事件的输入。
目标相似性是在在基本块级别度量,基于UAF的距离则在函数级别度量,此外,UAFuzz提出切边的概念,在边级别上比较当前种子的执行路径与目标路径中边的相似性。切边指决策节点的传出边,并且通过切边能够到达目标基本块,如图8所示,切边可以通过CFG的静态程序内分析大致确定。如果一个输入的执行路径覆盖了更多切边和更少非切边,这个输入就可能覆盖目标路径的更多位置。因此给种子s计算一个切边得分es(s,T),覆盖越多切边得分越高,覆盖越多非切边,得分越低。
图8 切边
综合以上提出的三个度量方式,UAFuzz进行种子的功率调度,给以下种子分配更多的能量:
更接近目标的种子(基于UAF的距离d);
与目标路径更相似的种子(目标相似性t);
在决策节点做出更好决策的种子(切边覆盖率e)。
即根据种子执行路径覆盖的前缀数tP(s,T) 按比例分配能量,当种子距离、切边覆盖率分数不好时,减少分配的能量。
最后,UAFuzz利用了前面提及的度量来预先识别合适的PoC输入,这些输入被发送到分析工具(VALGRIND)进行bug确认,从而避免了许多无用的检测。
总结
本文对UAFuzz进行了介绍,它是第一个定向灰盒模糊UAF漏洞的方法,用于检测仅给出bug堆栈信息的UAF漏洞(无源码)。UAFuzz在UAF漏洞暴露的时间和成功运行的次数方面都优于现有的定向模糊程序,在bug复制和补丁测试中都是非常有效的。对特定类型漏洞的特点,研究有针对性的Fuzz工具,也是模糊测试领域的一个新方向。
项目地址:
https://github.com/strongcourage/uafuzzhttps://github.com/strongcourage/uafbench
参考文献
[1]MD Nguyen, Bardin S , Bonichon R , et al. Binary-level Directed Fuzzing for Use-After-Free Vulnerabilities[J]. the 23rd International Symposium on Research in Attacks, Intrusions and Defenses (RAID 2020) 2020.
[2] Marcel Böhme, Van-Thuan Pham, Manh-Dung Nguyen, and Abhik Roychoudhury.2017. Directed Greybox Fuzzing (CCS ’17). ACM Press, New York, NY, USA, 2329–2344.
[3] Chen H , Xue Y , Li Y , et al. Hawkeye: Towards a Desired Directed Grey-box Fuzzer[C]// the 2018 ACM SIGSAC Conference. ACM, 2018.
扫码关注我们
每天有最新消息
逆向与漏洞挖掘实验室,关注软件动静态分析与漏洞挖掘相关研究。微信:
FuzzWiki