Este artículo presenta Locus, un novedoso marco para mejorar la eficiencia del fuzzing dirigido. Este marco identifica las entradas del programa que conducen a un estado objetivo específico. Los enfoques existentes se basan en distancias de ramificación o restricciones especificadas manualmente, pero carecen de la capacidad de caracterizar con precisión el progreso hacia el estado objetivo y se ven limitados por su especificidad y generalización a tipos de errores específicos. Locus sintetiza predicados que capturan estados intermedios significativos que sirven como puntos de referencia hacia el estado objetivo para determinar el progreso del fuzzing. Un marco de agente, que aprovecha las herramientas de análisis de programas, sintetiza y refina iterativamente los predicados candidatos, y la ejecución simbólica previene los rechazos falsos. Los resultados de la evaluación demuestran que Locus mejora significativamente la eficiencia de ocho fuzzers de última generación, logrando una aceleración promedio de 41,6x y descubriendo ocho errores sin parchear previamente.
