Kompanija Google je predstavila projekat ClusterFuzzLite, koji omogućava organizovanje fuzzing-testiranja koda za ranu detekciju potencijalnih ranjivosti tokom rada sistema kontinuirane integracije. U ovom trenutku, ClusterFuzz se može koristiti za automatizaciju fuzzing-testiranja pull-zahtjeva u GitHub Actions, Google Cloud Build i Prow, a očekuje se da će u budućnosti biti podržani i drugi CI sistemi. Projekat se zasniva na platformi ClusterFuzz, razvijenoj za koordinaciju rada klastera fuzzing-testiranja, i distribuira se pod licencom Apache 2.0.
Napominje se da je nakon uvođenja 2016. godine usluge OSS-Fuzz u program kontinuiranog fuzzing-testiranja, prihvaćeno više od 500 važnih otvorenih projekata. Na osnovu sprovedenih provere, više od 6500 potvrđenih ranjivosti je ispravljeno i više od 21.000 grešaka je rešeno. ClusterFuzzLite nastavlja razvoj mehanizama fuzzing-testiranja s mogućnošću ranijeg otkrivanja problema u fazi recenziranja predloženih promena. ClusterFuzzLite je već implementiran u procese recenziranja promena u projektima systemd i curl, i omogućio je otkrivanje grešaka koje su promašili statički analizatori i linter-i korišćeni u ranoj fazi provere novog koda.
ClusterFuzzLite podržava proveru projekata na jezicima C, C++, Java (i drugim jezicima zasnovanim na JVM-u), Go, Python, Rust i Swift. Fuzzing-testiranje se sprovodi uz korišćenje motora LibFuzzer. Za otkrivanje grešaka u upravljanju memorijom i anomalija mogu se koristiti alati AddressSanitizer, MemorySanitizer i UBSan (UndefinedBehaviorSanitizer).
Osnovne mogućnosti ClusterFuzzLite: brza provera predloženih promena radi pronalaženja grešaka pre prihvatanja koda; učitavanje izveštaja o uslovima pod kojima dolazi do grešaka; mogućnost prebacivanja na opsežnije fuzzing-testiranje radi prepoznavanja dubljih grešaka koje nisu isplivale nakon provere promena koda; generisanje coverage-izveštaja za ocenu pokrivenosti koda tokom testiranja; modularna arhitektura koja omogućava izbor potrebnih funkcionalnosti.
Podsjećamo da se prilikom fuzzing testiranja generiše niz raznih slučajnih kombinacija ulaznih podataka, koji su približno slični stvarnim podacima (na primjer, html stranice s nasumičnim parametrima tagova, arhive ili slike s anomaloznim zaglavljima itd.), i beleži mogućih grešaka u procesu njihove obrade. Ako neka sekvenca dovede do pada ili ne odgovara očekivanoj reakciji, takvo ponašanje sa velikom verovatnoćom ukazuje na grešku ili ranjivost.
Izvor: opennet.ru
