基于启发式遗传算法的模糊测试样本集优化方案

摘要：

模糊测试作为当前最有效的漏洞挖掘方法,不仅比其他漏洞挖掘技术更能应对复杂的程序,而且可扩展性很强.在数据量相对较大的测试中,模糊测试输入样本集存在质量低、冗余性高和可用性弱等问题.因此,对模糊测试输入样本集进行研究,提出了启发式遗传算法,借助0-1矩阵,通过启发式遗传算法对样本的执行路径进行选取和压缩,从而获得优化后兼顾样本质量的样本集最小样本集合,进而加快模糊测试的效率.实验结果表明:在没有损失的情况下,样本集精简后模糊测试的时间比精简前降低了22％,压缩率相比传统方案提升约40％.

关键词：漏洞挖掘、模糊测试、集合覆盖、遗传算法、样本集

所属期刊栏目：48

分类号：TP399(计算技术、计算机技术)

资助基金：河南省科技攻关项目;河南省高等学校重点科研项目

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：217-224