xFUZZ：一种灵活的框架，用于实现细粒度、运行时自适应的模糊测试策略组合

《Proceedings of the ACM on Software Engineering》：xFUZZ: A Flexible Framework for Fine-Grained, Runtime-Adaptive Fuzzing Strategy Composition

提出一种灵活可扩展的模糊测试框架，集成细粒度可插拔的输入调度和变异策略插件，结合滑动窗口Thompson采样算法动态优化策略组合，实验显示在漏洞发现率和代码覆盖率上分别提升10.07%和4.94%，首次检测到21/37个测试套件漏洞。

　　

摘要

模糊测试（Fuzzing）是检测软件漏洞最有效的技术之一。现有的方法在不同目标系统上的性能表现存在差异，并且依赖于固定、粗粒度的模糊测试策略组合，这限制了在运行时灵活结合多种模糊测试策略的优势。

为了解决这些问题，我们提出了一个灵活且可扩展的模糊测试框架，该框架支持细粒度、运行时自适应的策略组合。该框架将流行的输入调度和变异调度策略作为细粒度的、可独立切换的插件集成在一起，允许用户在整个模糊测试过程中动态替换任何插件。此外，我们还引入了一种基于滑动窗口汤普森采样（Sliding-Window Thompson Sampling）的自适应算法，该算法能够在测试过程中动态选择最佳的模糊测试策略组合。实验结果表明，该框架的性能优于现有的最先进模糊测试工具：独特漏洞的发现率提高了10.07%，代码覆盖率提高了4.94%。值得注意的是，该框架是首个在测试套件中检测出全部37个漏洞中的21个的框架，证明了其在多种目标系统上的有效性。

可用格式

您可以通过以下格式查看完整内容：

PDF