Rust / 系统课时
什么时候该用模糊测试
什么时候该用模糊测试
属性测试和模糊测试都能自动制造输入,但它们解决的问题不同:属性测试围绕“输入应满足什么规则”系统探索反例,模糊测试更擅长把大量字节、变异数据和真实输入送进目标程序,寻找崩溃、越界、断言失败等异常行为。
学习目标
- 区分属性测试与模糊测试的目标、输入模型和反馈信号
- 能根据待测代码的边界选择测试手段
- 会判断什么时候先写属性测试,什么时候直接建立 fuzz target
两种方法关注的反馈不同
属性测试通常由生成器产生结构化值,再检查一个明确的性质,例如“排序后有序”“解析再序列化保持语义”“任意合法输入都不应 panic”。失败后,框架还可以通过 shrink 帮你得到更小的反例。
模糊测试通常把字节流、文件、协议报文或历史样本作为输入,通过变异和覆盖率反馈不断寻找新的执行路径。它尤其适合输入格式复杂、边界条件难以枚举、错误处理路径很多的代码。
| 维度 | 属性测试 | 模糊测试 |
|---|---|---|
| 输入 | 通常是有类型、有约束的结构 | 常见为字节、文件或协议数据 |
| 核心反馈 | 性质是否被违反 | 新路径、崩溃或异常行为 |
| 典型目标 | 算法、业务规则、数据变换 | 解析器、解码器、协议处理 |
| 最小反例 | 通常有自动 shrink | 通常依赖 fuzz 框架的 corpus/最小化机制 |
| 适合阶段 | 规则已经比较明确 | 输入空间大且边界难预测 |
先用属性测试验证明确规则
例如一个日期编码函数有明确的不变量,就适合先用 proptest 描述规则。测试关注的是“无论生成什么合法输入,结果都满足性质”,而不是单纯寻找程序崩溃。
use proptest::prelude::*;
fn normalize(value: u16) -> u16 {
value
}
proptest! {
#[test]
fn normalize_keeps_value(value in 0u16..=9999) {
prop_assert_eq!(normalize(value), value);
}
}预期结果
1 passed这里输入范围和性质都很明确,属性测试能直接表达需求,而且失败时可以缩减到更容易理解的数值。为了验证业务规则,这通常比直接让 fuzzing 处理原始字节更容易维护。
输入难以建模时转向模糊测试
解析器、压缩格式、二进制协议或图片解码代码常常面对高度结构化的字节流。你可以手写大量合法输入,但很难穷举截断、长度不一致、嵌套损坏和边界组合。这时模糊测试更有优势。
下面是 cargo-fuzz 常见的最小启动方式。它属于工程命令示例,运行前需要安装 cargo-fuzz,并在目标 Rust 项目中初始化 fuzz 工程。
cargo install cargo-fuzz
cargo fuzz init
cargo fuzz run fuzz_target_1预期结果
Initialized fuzzing directory
Starting fuzz target: fuzz_target_1具体启动日志会因操作系统、Rust 工具链和 cargo-fuzz 版本不同而变化;关键验证点是 fuzz target 成功启动并持续接收测试输入。
不要把两者当成互斥选择
真实项目经常同时使用两种方法。先用属性测试把算法或业务规则定义清楚,建立结构化反例;再对外部输入边界进行 fuzzing,探索手写生成器难覆盖的字节级异常路径。
例如一个 JSON 或自定义协议解析器,可以先用属性测试验证“成功解析后再编码,语义保持一致”,再使用 fuzzing 投递任意字节,观察解析器是否出现 panic、未处理错误或异常资源消耗。前者验证规则,后者扩大输入探索面。
什么时候不必急着上模糊测试
如果目标函数的输入空间很小、业务性质明确,而且每个失败都需要解释具体规则,那么属性测试通常更直接。为了发现一个简单的边界错误而建立完整 fuzz 基础设施,维护成本可能超过收益。
相反,当代码负责处理来自文件、网络或第三方系统的非可信输入,输入格式复杂且异常路径很多时,应认真考虑模糊测试。判断标准不是“哪一种更高级”,而是你究竟缺少规则覆盖,还是缺少输入空间探索。
选择测试手段时,核心不是二选一,而是让测试反馈与你真正关心的缺陷类型匹配。