.png){kind=icon}
返回
Boosting Parallel Fuzzing With Boundary-Targeted Task Allocation and Exploration
.png){kind=icon}
PRE
AI
DOI：10.1109/TIFS.2025.3622956.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着软件系统在复杂性、规模和更新频率上的增长，并行模糊测试已成为缓解传统模糊测试效率限制的关键手段。有效的任务分配对于最大化并行模糊测试效率至关重要，并已引起广泛关注。然而，现有策略往往忽视关键代码区域，将所有区域同等对待，导致探索效果次优。为解决当前方法的局限性，我们提出了FlexFuzz，一种新颖的并行模糊测试系统。首先，我们识别连接已覆盖和未覆盖区域的边界基本块，并随着模糊测试的进行动态调整它们。其次，我们引入了一种边界敏感的任务分配方案，根据识别出的边界基本块及其探索潜力分配模糊测试任务。最后，为确保聚焦探索，我们实现了一种多目标、距离引导的方法，引导每个实例集中关注其相关的任务区域。我们已实现FlexFuzz的原型，并对其与当前最先进的并行模糊测试系统进行了全面评估。在标准基准测试中，FlexFuzz超越了其他并行工具：相比次优工具PAFL，其覆盖率提升了18.17%；相比次优工具AFL++，发现的漏洞数量增加了33.75%。
Keyword:
Fuzzing
parallelism
dynamic analysis
期刊
IF:
8
论文数:
5.3K
被引数:
2.3W
机构
查看更多机构
引用论文
暂无论文信息