更聪明的 fuzzing：面向绿色 fuzzing 的 GreenAFL 框架
软件工程
2025-10-30 v1
摘要
Fuzzing 已成为软件测试中关键的基于搜索的技术，但持续的 fuzzing _campaign 消耗大量计算资源并产生显著的碳足迹。现有的灰盒 fuzzing 方法（如 AFL++）主要关注覆盖率最大化，未考虑探索不同执行路径的能源成本。本文提出 GreenAFL，一种能感知的框架，将功耗纳入 fuzz heuristics，以减少自动化测试的环境影响，同时保持覆盖率。GreenAFL 对传统 fuzz 工作流程引入两个关键修改：考虑功耗的能感知语料库最小化，以及引导 mutation 朝向高覆盖率、低能耗输入的能感知 heuristics。我们进行消融研究，比较原始 AFL++、基于能源的语料库最小化和基于能源的 heuristics，以评估每个组件的贡献。结果表明，仅当至少使用一个修改时，才能实现最高的覆盖率和最低的能耗。
引用
@article{arxiv.2510.25665,
title = {Fuzz Smarter, Not Harder: Towards Greener Fuzzing with GreenAFL},
author = {Ayse Irmak Ercevik and Aidan Dakhama and Melane Navaratnarajah and Yazhuo Cao and Leo Fernandes},
journal= {arXiv preprint arXiv:2510.25665},
year = {2025}
}