矢量锻造

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

何时使用

为加密算法或协议生成测试向量 评估现有测试向量覆盖实现的程度 查找没有测试向量练习的实现代码路径 创建 Wycheproof 风格的交叉实现测试向量 测量测试向量套件的具体覆盖值

何时不使用

尚不存在实现(需要代码进行变异) 没有边缘情况的单个简单实现 测试应用程序逻辑而不是算法实现 该算法没有可供比较的公共测试向量

先决条件

已安装 Trailmark — 如果 uv run trailmark 失败,则运行: 目标算法的至少一种实现,采用支持突变测试的语言 消耗测试向量并执行实现的测试工具

拒绝的理由

合理化 · 为什么这是错误的 · 需要采取的行动 “我们有足够的测试向量” · 突变测试证明情况并非如此 · 首先运行基线 “实现自己的测试就足够了” · 自己的测试经常与 impl 共享盲点 · 跨 impl 向量捕获不同的 bug “FFI 包可以在绑定层进行突变测试” · 对包装器的突变不会影响底层 impl · 改变实际的实现语言

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@trailofbits · 未声明许可证
上下文用量评级
中等消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
Python
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
第一阶段:发现

查找目标算法的实现。寻找:高级语言(Go、Rust、Python)中的纯实现——这些是最好的变异测试目标 FFI 包装器箱——尽早识别这些,这样你就不会浪费时间改变包装器粘合代码

02
第二阶段:利用

对于每个实现,创建一个测试工具: 从 JSON 文件读取测试向量(建议使用 Wycheproof 格式) 针对每个向量练习实现的 API 断言接受和拒绝: 有效向量:反序列化成功,输出与预期匹配

03
第三阶段:基线

仅使用现有测试向量运行突变测试。

04
第 4 阶段:逃逸分析(图形通知分类)

使用 Trailmark 调用图对每个逃逸(幸存 + 未覆盖)突变体进行分类,以进行可达性和爆炸半径分析。此阶段必须使用基因毒性技能的分类方法。调用图将突变结果从幸存突变体的平面列表转换为可操作的、优先排序的向量集

05
第 1 步:构建调用图

在对突变进行分类之前,为每个实现构建一个 Trailmark 代码图:该图提供: 调用者链 — 从公共 API 入口点到突变函数的跟踪以确定可达性

06
第2步:过滤到相关代码

突变框架测试整个包。将结果过滤为仅测试向量应执行的文件/函数:

07
第 3 步:基于图形的分类

对于每个逃逸突变体,将其映射到调用图中其包含函数,并应用基因毒性分类标准:图形信号·分类·操作图中没有调用者·误报·死代码,跳过仅测试调用者·误报·测试基础设施

08
第 4 步:确定跨封装测试差距

关键陷阱:突变框架通常只在与突变相同的包中运行测试。对于 Go (gremlins) 和 Rust (cargo-mutants),这意味着: `hash_to_curve/g2.go` 中的突变仅在 `hash_to_curve` 包中运行测试,而不是在父包 `bls12381` 中运行测试

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。