前言：
前两篇分别是：利用AFL对LAVA-M数据集测试 和 加入mopt编写同步启动脚本，这是最后一篇，在前面的基础上加上ijon-AFL 的测试（Angora、QSYM、需要单独再开一个虚拟机测试，环境冲突，计划暂且搁置），并优化一键启动脚本。
为什么挑选这五个，不仅仅是因为开源的原因，还因为这五个优化方向各有不同：
AFL：谷歌开发的模糊测试产品，属于开创现在这几年模糊测试的先河，可以看到超级多的fuzzer就是在AFL的基础上进行的改进，所以一定要有这个作为标杆；
MOpt-AFL：这是19年的一篇顶会的文章，要加这个有三点：一是开源、二是改进代码清晰易读、三是论文的那个浙大实验室来这里进行过讲座，是因为那位老师的讲座和之后的交流我才对fuzz模糊测试感兴趣，找到自己之后的研究方向；
Angora：是18年的SP的文章，选这个的原因有两点：一是开源、二是改进成熟，最近貌似是要从学术进入到工业中，足以可见这个项目的潜力其实不小；（因为环境问题需要单独另起一个虚拟机处理，留做下一个笔记）；
QSYM：18年USENIX的顶会文章，关于混合模糊测试的工具，原因有二：一是开源、二是混合模糊测试即使渐渐开始脱离 覆盖率反馈导向型模糊测试 的队列，自成一体，成为一个新的研究分支（单独另起一个虚拟机，留作下一个笔记）；
ijon+AFL：20年的SP文章，选这个原因有三：一是开源、二是展现形式新颖，把路径跟游戏相结合，做展示、三是iJon不是一个集成的fuzz工具，更像是抽象出来的插件，可以用它加到其他fuzz上，这里用的是它加上afl，所以是ijon+AFL，其实也可以跟着作者readme做一个ijon+Mopt-AFL；
iJon-AFL
1. 下载 iJon 和 iJon-data 数据集
git clone https://github.com/RUB-SysSec/ijon.git git clone https://github.com/RUB-SysSec/ijon-data.git
分别是 ijon+afl 的源码 和 论文中用到的测试数据集：maze、super Mario Bros、tpm_fuzzing
2. 安装 llvm 和 clang
如果已经安装好可以跳过这一步，直接查看版本：
如果没有安装：
（因为 llvm 是一个大框架，包含了clang，所以先安装clang，再安装 llvm）
sudo apt-get install clang sudo apt-get install llvm
安装完回到最开始那里查看版本。
3. 安装 AFL
make sudo make install (-j4 如果支持多核可以用-j参数，能加快速度)
4. 安装 llvm 模式下的afl
cd llvm_mode LLVM_CONFIG=llvm-config-3.8 CC=clang-3.8 make
这里版本跟第二步查到的一致就行
5. 对maze进行测试
我对maze进行了一些魔改，可以从github先下下来
git clone https://github.com/WayneDevMaze/mod-ijon-maze.git
文件说明：
地图源文件：
big.c 大地图（13 * 17 大地图模式）
small.c 小地图（7 * 11 符号执行的路径经常用这个地图来测试）
tiny.c 新加的地图（4 * 6 超级小地图）
地图结果展示源文件：
maze_show.c 当fuzz跑完跑出结果的时候调用这个文件对应的程序，对路径结果进行展示
脚本：
build.sh 编译脚本，对三类地图进行编译，并对地图展示程序进行编译.
run_afl.sh 运行 afl，第一个参数格式 maze.tiny.bt （tiny对应三种地图模式，bt是对应两类，还有一种是nobt，意味着是否可以回退，如果可以回退，对 fuzz 来说路径难度会加倍）
运行测试：
bash build.sh bash run_afl.sh maze.tiny.bt
6. 查看运行结果
如果出现fuzz界面，并且很快出现结果，然后有路径重现，说明成功
7. 对LAVA-M数据集进行插桩编译
设置C、C++环境
export CC=afl-clang-fast export CXX=afl-clang-fast++
检查环境可以用 echo
运行编译脚本
./validate.sh
8. 利用 iJon+afl 对 base64 进行测试
AFL_BENCH_UNTIL_CRASH=1 afl-fuzz -m none -i fuzzer_input -o outputs -- coreutils-8.24-lava-safe/lava-install/bin/base64 -d @@
到这里对base64的 iJon+afl 测试就完成了，剩下的就是等着跑结果了。
一键启动 bash 优化
现在在前两篇的基础上要实现的是一个可以挑选一定的参数，然后选择性的启动需要的fuzzer，其实这里挺简单的，就是加一个case分支选项。
但是之后的想法是，能不能让各个fuzzer之间数据共享，也就是之间的outputs能够互相运用，这个可能需要后面完成 angora 和 qsym 再实现了。
参考
1. Angora 官方 git - lava教程：https://github.com/AngoraFuzzer/Angora/blob/master/docs/lava.md