.png){kind=icon}
返回
FieldsFuzz: Implement efficient fuzzing based on grammar-aware mutation strategy
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jss.2025.112557.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对测试程序所采用输入格式的全面理解，对于生成有效输入以及在模糊测试中提升测试效能至关重要。然而，当前基于格式的模糊测试工具主要侧重于识别二进制输入文件中的各种功能段，通常忽略了这些文件内部固有的结构复杂性和依赖关系。此外，现有的基于比较和污点分析的格式感知方法在准确识别文件字段和类型方面存在局限性。为缓解这些挑战，本文介绍了一种新型格式感知模糊测试工具，命名为FieldsFuzz。最初，FieldsFuzz在程序执行期间对重要种子输入执行字节级污点分析，以推导出一组输入字节指令，从而识别输入文件结构和依赖关系，并构建文件格式树。在变异阶段，FieldsFuzz遍历文件格式树以确定字段依赖关系，执行基于字段和依赖关系的变异以提升有效种子生成效率，并对文件结构引入随机修改以发现先前未知的安全漏洞。通过对十二种不同格式的输入程序进行的FieldsFuzz评估表明，它在格式识别准确率、代码覆盖率以及安全漏洞检测方面超越了领先的模糊测试工具（包括AFL、AFL++、WEIZZ、ProFuzzer和NestFuzz）。
期刊
IF:
4.1
论文数:
5.5K
被引数:
8.4K
机构
引用论文
LinFuzz: Program-Sensitive Seed Scheduling Greybox Fuzzing Based on LinUCB AlgorithmLinFuzz: 基于LinUCB算法的程序敏感种子调度灰盒模糊.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
Fuzzing vulnerability discovery techniques: Survey, challenges and future directionsFuzing漏洞发现技术: 调查、挑战和未来方向COMPUTERS & SECURITY
COMPUTERS & SECURITYIF5.4
PREAI
分享收藏分享收藏NestFuzz: Enhancing Fuzzing with Comprehensive Understanding of Input Processing LogicNestFuzz：通过全面理解输入处理逻辑来增强模糊测试
PREAI
分享收藏分享收藏
查看更多内容