sa-babi漏洞程式碼生成
sa-babi
最近系統級程式設計要用到CMU的一篇論文，主要是生成漏洞樣本然後訓練memory network以後對開源軟體程式碼進行分析，檢視時候會有相似的漏洞。
在sa-babi的程式碼生成中有四個檔案，generate.py, sa_tag.py, score_tool_outputs.py, templates.py.
-
generate.py
generate.py 是生成的主要生成檔案，檔案的生成過程：
1.設定body主體的生成器，主要是產生一個函式的主體部分以及每條語句對應的Tag.
2.生成器函式會呼叫 _get_anon_vars()，獲得變數名稱，subtitutions 是之後會被替換的文字，pt_var是我自己定義的指標 變數，buf_var是陣列變數，idx_var是數組裡面的索引變數，max_var是（int）變數的最大值，buf_len是陣列變數的長度
3.生成器函式最後會呼叫_assemble_general_example，dec_init_pairs是自定義的語句塊，是一個tuple組成的列表，在templates.py裡面對應的變數名是xxxx_xxxx_PAIRS. main_lines是函式體的主體部分，是一個字串組成的列表，在templates.py裡面對應的函式名是xxxx_xxxx_LINES. dummy_var是與錯誤無關的變數，感覺主要就是讓生成的函式體複雜一點，，既有正常的變數，也有不正常的變數。不然全部都是有問題的變數也不行啊。
4._assemle_general_example 裡面呼叫的_get_lines會呼叫get_setup_lines方法，get_setup_lines方法會利用dec_init_pairs，將其轉換成對應的變數宣告和賦值語句。get_setup_lines方法返回的就是一個字串的列表啦。
5.get_lines方法呼叫get_setup_lines方法後，會將setup_lines和main_lines拼接，組成函式的主體語句。這個時候的body_tags是函式語句對應的標籤，主要是TAG.OTHER和TAG.BODY, 因為含有漏洞的語句還沒有被差插入。get_lines之後會呼叫_insert_dummies方法，這個方法會將一些可能有問題的語句插入到main_llines中，插入的同時，會判斷是否有問題，比如，緩衝區溢位的標定是判斷下標是否越界，如果越界，則對應的TAG會是xxxx_xxxx_UNSAFE; 否則則是xxxx_xxxx_SAFE. 當然，插入的時候如果實在控制語句，比如if語句中，則TAG會程式設計xxxx_COND_xxxx, 意思是可能有錯誤，也可能沒有錯誤。最後，所有的標籤會加入到body_tags。
6._insert_dummies會多次呼叫_insert_referential_dummy,_insert_referential_dummy會執行相應的插入語句的操作，具體就是mainlines會被拆成幾個list, 將需要插入的語句和這幾個list組合起來就是最後新的mainlines. 這個部分程式碼有點多，可以自己去看。
7.最後還會對生成器函式進行assert操作，判斷生成的樣本是否符合要求。感覺主要就是判斷最後的tag是否在as_tag.py裡面。我生成程式碼的時候直接把assert操作給註釋掉了。
-
sa_tag.py
這裡面主要是一些語句的標註，均是整數值。OTHER針對的是函式的名稱和include命令以及首尾的大括號；BODY是正常的語句；其他的就是可能存在錯誤的地方了。
-
score_tool_outputs.py
這個函式的功能還不清楚，我用windows生成程式碼的時候沒有用到。
-
templates.py
templates.py裡面的模板分為兩大類，一個是xxxx_xxxx_PAIRS, 這個是在get_lines裡面進行轉換的部分，主要是變數的定義與賦值操作；另一個是xxxx_xxxx_LINES, 這個是一些控制語句，但是沒有具體的操作，要等到insert_dummy以後將錯誤程式碼插入其中。
在windows平臺上呼叫generate.py的時候，有幾個引數需要指定。一個是path，這是必須的，對應的是生成的檔案的目錄；還有一些非必要的引數，比如num_instances，這是樣本的數量。
這是我用pycharm配置的引數，命令列裡面基本也是這樣操作。
命令列操作的話就是python generate.py "path" -num_instances num.