fuzzing | BriefGPT - AI 论文速递

关键词fuzzing

搜索结果 - 9

模糊测试与 LLMs 的结合：挑战与机遇
通过对顶级会议上最新的论文进行回顾，我们确定了大型语言模型（LLMs）在模糊测试中面临的五个主要挑战，并提出了一些可行的建议来改进 LLM 在模糊测试中的应用，并进行了对数据库管理系统的模糊测试的初步评估，结果表明我们的建议有效地解决了所确
PDF24 days ago
Python 模糊测试可信机器学习框架
确保机器学习框架的安全性和可靠性对于构建可信的基于人工智能的系统至关重要。我们提出了一个 Python 项目的动态分析流水线，使用 Sydr-Fuzz 工具集来实现模糊测试、语料库精简、崩溃分析和覆盖率收集，在 GitLab CI 中实现流
PDF2 months ago
CovRL: 采用覆盖率引导的强化学习为基础的模糊测试 JavaScript 引擎
本文提出了一种称为 CovRL（基于覆盖引导强化学习）的新技术，通过将大型语言模型（LLMs）与来自覆盖反馈的强化学习相结合，将覆盖引导直接集成到语言模型中，以改进漏洞检测效果，并在 V8 JavaScript 引擎中发现了 48 个真实世
PDF3 months ago
基于大语言模型强化的白盒编译器模糊测试
使用大型语言模型 (LLMs) 构建的 WhiteFox 是第一个使用源代码信息进行白盒编译器模糊测试的编译器模糊器，可以生成高质量的测试来执行需要复杂条件的深度优化，发现了 96 个错误，其中 80 个为新错误，并且已经修复了 51 个。
PDF7 months ago
基于大型语言模型的通用模糊测试
该研究介绍了 Fuzz4All，第一个在多种不同输入语言和不同语言特性中的通用模糊测试器，利用大型语言模型作为输入生成和变异引擎，以产生多样化和真实性的输入，对多种系统进行评估，发现了 76 个广泛使用的系统中的漏洞。
PDF9 months ago
ConFL: 机器学习框架的约束引导模糊测试
本文提出了基于约束的模糊测试 ConFL，利用约束自动提取输入约束并产生有效输入。实验结果表明，ConFL 比现有技术更有效，且发现了 TensorFlow，PyTorch 和 Paddle 中的许多未知漏洞。
PDF10 months ago
FuzzerGym: 一种用于模糊测试和学习的竞争性框架
本研究旨在提出一种新型的 fuzzing 方法，它从程序当前状态信息入手，利用强化学习优化变异算子，以达到更全面的覆盖率，并使程序监视器与深度神经网络相连接，能够同时利用强化学习以及 fuzzing 的优势来优化测试用例。
PDF6 years ago
深度强化模糊测试
本文提出一种新的基于强化学习的模糊测试方法，使用马尔可夫决策过程和深度 Q 学习算法实现。初步实证结果表明，与基准随机模糊测试方法相比，强化模糊测试能够取得更好的结果。
PDF6 years ago
神经字节筛选器用于模糊测试：并非所有字节都相等
通过使用神经网络学习输入文件中的模式，将以前的 fuzzing 探索的经验用于指导未来的探索，从而实现对程序漏洞发现的改进。
PDF7 years ago