lrzHHl的博客

编写高质量的模糊驱动程序是非常耗时的，并且需要对函数库有深刻的理解。然而，当前最先进的模糊驱动自动生成技术的性能还有许多需要改进的地方。从用户代码中学习的模糊驱动程序可以到达深层状态，但受限于它们的外部输入。另一方面，解释性模糊测试可以探索大多数API，但需要在广阔的搜索空间中进行大量的尝试。本文提出了覆盖率引导的模糊器PromptFuzz，用于提示模糊，通过迭代生成模糊驱动来探索未发现的库代码。

尽管SQL在简单的分析查询中无处不在，但它很少用于更复杂的计算，如机器学习、线性代数和其他计算密集型算法。这些算法通常以过程方式编程，看起来与声明性SQL查询非常不同。然而，SQL实际上提供了执行各种计算的构造。在本文中，我们展示了如何将过程结构转换为SQL-启用复杂的SQL-only算法。在算法中使用SQL可以使计算更接近数据，只需要最小的用户权限，并增加软件的可移植性。生成的SQL算法的性能在很大程度上取决于底层DBMS和SQL代码。

Fuzzing在发现各种软件系统中的错误和漏洞方面取得了巨大成功。以编程或形式语言为输入的被测系统（SUT），例如编译器、运行时引擎、约束求解器和具有可访问API的软件库，尤其重要，因为它们是软件开发的基本构建块。然而，用于此类系统的现有模糊器通常针对特定语言，因此不能容易地应用于其他语言甚至同一语言的其他版本。此外，现有模糊器生成的输入通常仅限于输入语言的特定特征，因此很难揭示与其他或新特征相关的错误。

根据github上的。