基于强化学习引导的浏览器 HTML 渲染引擎模糊测试
人工智能
2023-07-28 v1 软件工程
摘要
基于生成的模糊测试能够发现各种缺陷和安全漏洞。然而，与基于变异的模糊测试相比，开发一个良好平衡的生成器以产生优质测试用例并决定在何处打破底层结构以覆盖新代码路径，需要耗费更长的时间。我们首次提出一种将训练好的测试用例生成深度学习模型与双重深度 Q 网络（DDQN）相结合的新方法。DDQN 基于代码覆盖率信号引导测试用例的创建。与基于语法的基线模糊测试器相比，我们的方法将底层生成器模型在 Firefox HTML 渲染引擎上的代码覆盖率性能提升了高达 18.5%。
引用
@article{arxiv.2307.14556,
title = {Reinforcement learning guided fuzz testing for a browser's HTML rendering engine},
author = {Martin Sablotny and Bjørn Sand Jensen and Jeremy Singer},
journal= {arXiv preprint arXiv:2307.14556},
year = {2023}
}