前言：
前兩篇分別是：利用AFL對LAVA-M數據集測試 和 加入mopt編寫同步啟動腳本，這是最后一篇，在前面的基礎上加上ijon-AFL 的測試（Angora、QSYM、需要單獨再開一個虛擬機測試，環境沖突，計划暫且擱置），並優化一鍵啟動腳本。
為什么挑選這五個，不僅僅是因為開源的原因，還因為這五個優化方向各有不同：
AFL：谷歌開發的模糊測試產品，屬於開創現在這幾年模糊測試的先河，可以看到超級多的fuzzer就是在AFL的基礎上進行的改進，所以一定要有這個作為標桿；
MOpt-AFL：這是19年的一篇頂會的文章，要加這個有三點：一是開源、二是改進代碼清晰易讀、三是論文的那個浙大實驗室來這里進行過講座，是因為那位老師的講座和之后的交流我才對fuzz模糊測試感興趣，找到自己之后的研究方向；
Angora：是18年的SP的文章，選這個的原因有兩點：一是開源、二是改進成熟，最近貌似是要從學術進入到工業中，足以可見這個項目的潛力其實不小；（因為環境問題需要單獨另起一個虛擬機處理，留做下一個筆記）；
QSYM：18年USENIX的頂會文章，關於混合模糊測試的工具，原因有二：一是開源、二是混合模糊測試即使漸漸開始脫離 覆蓋率反饋導向型模糊測試 的隊列，自成一體，成為一個新的研究分支（單獨另起一個虛擬機，留作下一個筆記）；
ijon+AFL：20年的SP文章，選這個原因有三：一是開源、二是展現形式新穎，把路徑跟游戲相結合，做展示、三是iJon不是一個集成的fuzz工具，更像是抽象出來的插件，可以用它加到其他fuzz上，這里用的是它加上afl，所以是ijon+AFL，其實也可以跟着作者readme做一個ijon+Mopt-AFL；
iJon-AFL
1. 下載 iJon 和 iJon-data 數據集
git clone https://github.com/RUB-SysSec/ijon.git git clone https://github.com/RUB-SysSec/ijon-data.git
分別是 ijon+afl 的源碼 和 論文中用到的測試數據集：maze、super Mario Bros、tpm_fuzzing
2. 安裝 llvm 和 clang
如果已經安裝好可以跳過這一步，直接查看版本：
如果沒有安裝：
（因為 llvm 是一個大框架，包含了clang，所以先安裝clang，再安裝 llvm）
sudo apt-get install clang sudo apt-get install llvm
安裝完回到最開始那里查看版本。
3. 安裝 AFL
make sudo make install (-j4 如果支持多核可以用-j參數，能加快速度)
4. 安裝 llvm 模式下的afl
cd llvm_mode LLVM_CONFIG=llvm-config-3.8 CC=clang-3.8 make
這里版本跟第二步查到的一致就行
5. 對maze進行測試
我對maze進行了一些魔改，可以從github先下下來
git clone https://github.com/WayneDevMaze/mod-ijon-maze.git
文件說明：
地圖源文件：
big.c 大地圖（13 * 17 大地圖模式）
small.c 小地圖（7 * 11 符號執行的路徑經常用這個地圖來測試）
tiny.c 新加的地圖（4 * 6 超級小地圖）
地圖結果展示源文件：
maze_show.c 當fuzz跑完跑出結果的時候調用這個文件對應的程序，對路徑結果進行展示
腳本：
build.sh 編譯腳本，對三類地圖進行編譯，並對地圖展示程序進行編譯.
run_afl.sh 運行 afl，第一個參數格式 maze.tiny.bt （tiny對應三種地圖模式，bt是對應兩類，還有一種是nobt，意味着是否可以回退，如果可以回退，對 fuzz 來說路徑難度會加倍）
運行測試：
bash build.sh bash run_afl.sh maze.tiny.bt
6. 查看運行結果
如果出現fuzz界面，並且很快出現結果，然后有路徑重現，說明成功
7. 對LAVA-M數據集進行插樁編譯
設置C、C++環境
export CC=afl-clang-fast export CXX=afl-clang-fast++
檢查環境可以用 echo
運行編譯腳本
./validate.sh
8. 利用 iJon+afl 對 base64 進行測試
AFL_BENCH_UNTIL_CRASH=1 afl-fuzz -m none -i fuzzer_input -o outputs -- coreutils-8.24-lava-safe/lava-install/bin/base64 -d @@
到這里對base64的 iJon+afl 測試就完成了，剩下的就是等着跑結果了。
一鍵啟動 bash 優化
現在在前兩篇的基礎上要實現的是一個可以挑選一定的參數，然后選擇性的啟動需要的fuzzer，其實這里挺簡單的，就是加一個case分支選項。
但是之后的想法是，能不能讓各個fuzzer之間數據共享，也就是之間的outputs能夠互相運用，這個可能需要后面完成 angora 和 qsym 再實現了。
參考
1. Angora 官方 git - lava教程：https://github.com/AngoraFuzzer/Angora/blob/master/docs/lava.md