libfuzzer

libfuzzer 技能概览

libfuzzer 是做什么的

libfuzzer 是一个面向 C/C++ 代码、在进程内运行、由覆盖率引导的 fuzzer，前提是代码用 Clang 编译。你应该在想要从“我有一个目标函数”快速走到一个可用的 fuzzing harness，并且能以尽量少的准备工作发现崩溃、卡死和输入处理漏洞时，使用 libfuzzer 技能。

适合谁安装

这套 libfuzzer 技能最适合做安全审计的工程师、加固解析器的维护者，以及已经在用 LLVM/Clang 构建项目的团队。它尤其适合你需要比 AFL++ 或 LibAFL 更简单的方案，而且一开始还不需要完整 fuzzing farm 的场景。

它比通用提示词更强在哪里

它最大的优势是实用的搭建指导：如何组织 harness、目标需要什么样的输入，以及怎样运行 fuzzer 才能产出有价值的发现，而不是一堆噪声测试。这个 repo 也把权衡说得很清楚：libfuzzer 上手容易、支持面广，但它已经处于维护模式，并不是每个 fuzzing 项目的最佳选择。

如何使用 libfuzzer 技能

安装并找到正确的文件

先按你的环境走标准的技能安装流程，然后优先阅读 SKILL.md。这个 repo 刻意保持得很小，没有附带辅助脚本、参考资料或额外规则，所以它的大部分价值都集中在主指南里。如果你需要安装上下文，先看技能里关于 LLVM/Clang toolchain 要求的部分，再开始编译 harness。

把代码库变成 fuzz 目标

libfuzzer 技能在你提供一个具体目标时效果最好，而不是一个模糊目标。一个好的起始提示词可以是：“为这个 C++ XML parser 创建一个 libfuzzer harness，假设使用 Clang，保持 parser state isolation，并尽量让 harness 保持最小化。” 记得带上函数名、输入类型、构建系统，以及类似“必须避免文件系统访问”或“必须在 sanitizers 下运行”这类约束。

按技能预期的工作流来用

先找出一个可调用单元：它能接受字节输入，并且可以在单进程里反复执行。然后把原始 fuzzer 输入映射到这个单元，保持副作用隔离，并使用指南里推荐的、基于 Clang 的编译参数来构建。围绕 libfuzzer 的使用流程，你可以让技能生成：

• LLVMFuzzerTestOneInput 的 harness
• 适配你项目目录结构的构建说明
• 适合 sanitizer 的假设
• 如果你已经有样本输入，则提供 seed corpus 策略

按这个顺序阅读，效果最好

为了最快上手，先从头到尾阅读 SKILL.md，然后再回头看“何时使用”、“快速开始”、“安装”和“前置条件”这些部分。这样的顺序能帮助你先判断 libfuzzer 是否适合你的技术栈，再决定要不要花时间改造 harness。如果你在比较不同工具，最好把技能里的 fuzzer 对比表当作决策辅助，而不是营销式摘要。

libfuzzer 技能常见问题

libfuzzer 适合作为第一个 fuzzing 工具吗？

适合，前提是你的代码库是 C/C++，而且已经能用 Clang 构建。这个 libfuzzer 技能面向的是希望以简单直接的方式进入 fuzzing，而不是一开始就上复杂分布式方案的团队。

什么时候不该用 libfuzzer？

如果你的目标不是 C/C++、不能使用 Clang，或者一开始就需要强大的多核编排能力，就不建议从 libfuzzer 开始。在这些情况下，libfuzzer 指南仍然可以帮助你理解 harness 设计，但可能有别的 fuzzer 更适合。

这和直接让 ChatGPT 写有什么区别？

通用提示词可以帮你草拟一个 harness，但 libfuzzer 技能给你的是一个按工作流组织好的起点：该要求什么、哪些输入最重要、需要明确哪些环境假设。这能降低“代码能编译，但对安全审计根本不好用”的概率。

libfuzzer 现在还适合做安全工作吗？

适合。即使处于维护模式，libfuzzer 仍然是初期安全审计的实用选择，因为它安装简单、集成方便，而且如果后续发现它不够用，还可以迁移到 AFL++。

如何改进 libfuzzer 技能

给技能提供足够准确的目标细节

质量提升最大的地方，是把确切的函数或 parser 入口点、期望的输入格式，以及任何前置条件说清楚。比如，“fuzz ParseMessage(const uint8_t*, size_t)；字节内容是 UTF-8 文本；不要使用磁盘或网络” 就比 “fuzz my library” 有用得多。

说清楚你关心的失败模式

如果你想找崩溃、验证输入边界、覆盖某条特定的 parser 路径，或者复现回归问题，要一开始就说明。这会影响 harness 应该怎么写，也会影响 libfuzzer 技能更偏向最小包装层、seed 输入，还是 corpus 归一化。

检查第一版 harness 是否有隐藏耦合

常见失败模式包括共享全局状态、持久化缓存，以及对合法长度或编码格式的默认假设。如果第一版输出不稳定，直接要求更严格的隔离与重置版 harness，并补充明确的 sanitizer 说明；这一点在用于 Security Audit 的 libfuzzer 场景里尤其重要。

用真实输入反复迭代，不要只做抽象修改

第一轮之后，把崩溃样本、代表性的 corpus 文件，或者失败的构建日志交给技能。这样 libfuzzer 技能才能在真正有价值的地方继续改进 harness：更好的解析边界、更安全的初始化，以及更贴近真实情况的 fuzzing 覆盖。