基于大语言模型的模糊测试技术面临的挑战
软件工程
2025-05-20 v3 人工智能
摘要
在软件发挥关键作用的现代，软件安全性和漏洞分析对于安全的软件开发至关重要。模糊测试作为一种高效且传统的软件测试方法，已在各个领域被广泛采用。同时，大语言模型（LLM）的快速发展促进了其在软件测试领域的应用，并展现出了卓越的性能。由于现有的模糊测试技术尚未完全自动化，且软件漏洞不断演变，利用大语言模型生成模糊测试的兴趣日益增长。在本文中，我们对利用大语言模型进行模糊测试的发展进行了系统的概述。据我们所知，这是第一项涵盖三个领域交叉的工作，包括 LLM、模糊测试以及基于 LLM 生成的模糊测试。通过总结截至提交日期的最先进方法，对文献进行了统计分析和讨论。我们的工作还调查了未来由 LLM 生成的模糊测试技术广泛部署和应用的潜力，突出了它们在推进自动化软件测试实践方面的前景。
引用
@article{arxiv.2402.00350,
title = {On the Challenges of Fuzzing Techniques via Large Language Models},
author = {Linghan Huang and Peizhou Zhao and Huaming Chen and Lei Ma},
journal= {arXiv preprint arXiv:2402.00350},
year = {2025}
}