选择更好的JVM模糊测试初始种子
软件工程
2024-08-19 v1
摘要
传统程序模糊测试领域的文献已确认，有效性在很大程度上受到初始种子之间冗余性的影响，因此提出了一系列种子选择方法。与传统方法相比，JVM模糊测试具有独特的特征，包括大规模和复杂的代码，以及同时具有语法和语义特征的程序。然而，目前尚不清楚现有的种子选择方法是否适用于JVM模糊测试，以及利用程序特征是否能提高有效性。为此，我们总共设计了10种初始种子选择方法，包括基于覆盖度的、基于预模糊测试的以及基于程序特征的。我们随后在三个JVM实现上进行了实证研究，在两种最先进的模糊测试技术（JavaTailor和VECT）中广泛评估了种子选择方法的性能。具体而言，我们从三个方面评估性能：（i）使用广泛研究的初始种子的有效性和效率，（ii）使用野外程序的有效性，以及（iii）检测新漏洞的能力。评估结果首先表明，利用控制流图的基于程序特征的方法不仅具有显著更低的时间开销（即30秒），而且优于其他方法，相比完整初始种子集实现了142%至269%的提升。其次，结果表明初始种子选择显著提高了野外程序的质量，并通过检测新行为表现出互补有效性。第三，结果表明，在相同的测试周期内，初始种子选择通过检测更多未知漏洞来改进JVM模糊测试技术。特别是，25个检测到的漏洞中有21个已被开发者确认或修复。这项工作首次研究了JVM模糊测试中的初始种子选择，确认了其对模糊测试有效性和效率的重要性。
引用
@article{arxiv.2408.08515,
title = {Selecting Initial Seeds for Better JVM Fuzzing},
author = {Tianchang Gao and Junjie Chen and Dong Wang and Yile Guo and Yingquan Zhao and Zan Wang},
journal= {arXiv preprint arXiv:2408.08515},
year = {2024}
}