返回
Large language models-driven fuzzing: A systematic survey
DOI:10.1016/j.engappai.2026.115126.png)
摘要
En 中文
• 对LLM驱动的模糊测试这一新兴领域的系统综述进行了介绍。
• 提出了一种新的分类方法,基于模糊测试生命周期对技术进行分类。
• 对三种主要策略进行了深入分析:微调、提示工程和混合方法。
• 识别了核心挑战,包括性能瓶颈和语义差距。
Keyword:
LLM-driven fuzzing
fuzzing lifecycle
prompt engineering
fine-tuning
hybrid methods
期刊
IF:
8
论文数:
5.8K
被引数:
3.5W
机构
暂无机构信息
引用论文
Fluidized Bed Jet Milling Process Optimized for Mass and Particle Size with a Fuzzy Logic Approach
MATERIALS
IF3.2
Fuzzing JavaScript Interpreters with Coverage-Guided Reinforcement Learning for LLM-Based Mutation基于覆盖引导的强化学习的模糊JavaScript解释器,用于基于LLM的突变

