Legion：基于最佳优先的混合符号执行测试
软件工程
2020-09-24 v3 机器学习
摘要
混合符号执行（concolic execution）与模糊测试是两种互补的、基于覆盖率的测试技术。如何兼取二者之长仍是一个开放挑战。针对该问题，我们提出并评估了 Legion。Legion 重新设计了人工智能文献中的蒙特卡洛树搜索（MCTS）框架，将自动化测试生成视为不确定性下的序贯决策问题。其最佳优先搜索策略提供了一种原则性方法，可基于先前迭代观察到的奖励，学习每次搜索迭代中最值得探究的程序状态。Legion 引入了一种我们称之为近似路径保持模糊测试（APPFuzzing）的定向模糊测试形式，用于探究由 MCTS 选出的程序状态。APPFuzzing 作为蒙特卡洛模拟技术，通过扩展既有约束采样工作实现。我们在 Test-Comp 2020 覆盖率类别的 2531 个基准上评估了 Legion，并测量了其对于超参数的敏感性，证明了其在多种输入程序上的有效性。
引用
@article{arxiv.2002.06311,
title = {Legion: Best-First Concolic Testing},
author = {Dongge Liu and Gidon Ernst and Toby Murray and Benjamin I. P. Rubinstein},
journal= {arXiv preprint arXiv:2002.06311},
year = {2020}
}
备注
12 pages, 2 Algorithms, 3 Figures, 2 Tables, ASE2020