每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

LLAMAFUZZ：大型语言模型增强型灰盒模糊测试

Created by
  • Haebom

作者

张宏祥、荣宇洋、何一峰、陈浩

大纲

本文提出了一种利用大规模语言模型 (LLM) 来提升结构化数据灰盒模糊测试性能的方法。LLM 利用其对数据转换和格式的先验知识来生成新的有效输入，并使用成对的变异种子对模型进行微调，以学习结构化格式和变异策略。基于 LLM 的模糊测试器 LLAMAFUZZ 通过在 Magma 基准测试和各种实际程序上的实验，展现出优于现有模糊测试器的性能，并提高了代码覆盖率。

Takeaways, Limitations

•
Takeaways：
◦
我们利用 LLM 显著提高了结构化数据模糊测试的性能。
◦
我们成功发现了各种错误并增加了代码覆盖率。
◦
通过利用 LLM 的知识，我们提出了一种提高模糊测试效率的新方法。
•
Limitations：
◦
论文中没有提出具体的Limitations。
👍
Made with Slashpage