软件漏洞的发现向来是一场与时间的赛跑大模型的引入为模糊测试注入了全新的智慧动力。跳脱传统随机变异的局限，大模型精准的语言和逻辑推理能力正重新定义模糊测试的效率与深度，助力安全团队快速定位潜在威胁，为软件安全提供更强的护盾。针对BusyBox的测试，Asmita等人专门针对在基于Linux的设备上广泛使用的BusyBox，提出了两种方法：利用大模型生成目标特定的初始种子以进行模糊测试，这显著提高了识别崩溃和潜在漏洞的效率；以及“崩溃重用”，利用之前获得的崩溃数据来优化新目标的测试流程。...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅提供资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或遗漏，概不负任何法律责任。（反馈错误)