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。

Orion：模糊测试工作流自动化

Created by
  • Haebom

作者

马克斯·巴扎利、马吕斯·弗雷斯彻

大纲

Orion 是一个框架，它可以自动化高效模糊测试技术中用于发现软件漏洞的手动步骤。传统的模糊测试过程需要大量的手动工作，例如代码分析、工具配置和结果分析，而 Orion 通过将大型语言模型 (LLM) 推理与现有工具集成，实现了这些步骤的自动化。LLM 用于代码推理和语义指导，而确定性工具则用于验证、迭代改进和对精度要求较高的任务。实验结果表明，Orion 可将人力成本降低 46 至 204 倍（具体取决于工作流程步骤），并有效地发现了广泛使用的开源 clib 库中两个此前未知的漏洞。

Takeaways, Limitations

•
Takeaways：
◦
通过利用 LLM 显著提高模糊测试过程的自动化程度，我们提高了大型软件漏洞分析的效率。
◦
与现有人工相比节省的人力非常显著（46-204倍），并且其有效性已经通过实际的漏洞挖掘案例得到验证。
◦
LLM 与现有确定性工具的有效集成提高了自动化的准确性。
•
Limitations：
◦
由于它取决于 LLM 的性能，LLM 的局限性（例如幻觉、错误）可能会影响 Orion 的性能。
◦
需要进一步研究来确定不同类型的软件和模糊测试目标的普遍性。
◦
可能对某些编程语言或软件架构存在偏见。
👍
Made with Slashpage