研究人员开发了 FunFuzz，一个利用大型语言模型（LLM）生成结构化输入进行软件测试的新型进化模糊测试框架。该框架通过采用多岛屿方法，结合并行搜索和有前景候选者的定期迁移，解决了 LLM 驱动的模糊测试对提示初始化的敏感性问题。FunFuzz 使用反馈引导选择来调整提示，并根据编译器覆盖率和失败信号来优先考虑候选者，在对 GCC 和 Clang 的测试中展示了改进的覆盖率和独特失败触发输入的发现。 AI
影响 通过改进 LLM 驱动的编译器开发模糊测试技术，提高软件测试效率。
排序理由 该集群包含一篇详细介绍 LLM 驱动的模糊测试新框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.02789v1 Announce Type: cross Abstract: Modern fuzzers increasingly use Large Language Models (LLMs) to generate structured inputs, but LLM-driven fuzzing is sensitive to prompt initialization and sampling variance, which can reduce exploration efficiency and lead to re…
Modern fuzzers increasingly use Large Language Models (LLMs) to generate structured inputs, but LLM-driven fuzzing is sensitive to prompt initialization and sampling variance, which can reduce exploration efficiency and lead to redundant inputs. We present FunFuzz, a multi-island…