标签：fuzzers PT crashes CMFuzz Greedy aware Thompson unique

Abstract

目前Fuzzer存在的问题: 生成分布是均一分布
本文: CMFuzz
特点: context-aware adaptive mutation scheme

1. 采用contextual bandit algo LinUCB来选择变异算子
2. 动态提取文件特征
   实验A:

• 实现: 在多个前沿fuzzers上实现该机制称为CMFuzz-PT, CMFuzz-AFL, CMFuzz-AFLFast
• 数据集: 12个真实开源的应用+LAVA-M数据集
• 效果: 1. 覆盖率更高 2. 找到crashes的速度更快

实验B:

• 使用了其他采样方法，比如Thompson采样和epsilon-greedy，称为Thompson-PT和Greedy-PT
• 效果: CMFuzz-PT效果最好
  • 与Thompson-PT相比，1.79x #unique crashes, 1.29x #unqiue paths
  • 与Greedy-PT相比, 1.11x #unique crashes, 1.05x #unique paths

标签：fuzzers,PT,crashes,CMFuzz,Greedy,aware,Thompson,unique
来源： https://www.cnblogs.com/xuesu/p/14490699.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。