Approximate Bayesian Computation As An Informed Fuzzing-Inference System

模糊测试的威力在于它随机、常常是蛮力地生成和执行输入以触发软件应用中的意外行为和漏洞。然而，考虑到无限可能的输入序列的现实，追求所有测试组合不仅计算成本高昂，而且实际上是不可能的。近似贝叶斯计算（ABC）是一种贝叶斯模拟形式，代表了一种新颖的概率方法来解决这个问题。这些类型问题的参数空间实际上是无限的，这些技术的应用在相关文献中尚未经过测试。我们使用了两种ABC方法的放松型手动实现，一种是顺序蒙特卡洛（SMC）模拟，另一种是马尔可夫链蒙特卡洛（MCMC）模拟。我们在白盒模糊测试函数上发现了SMC后验的有希望的结果，而MCMC后验分布的结果则是不尽如人意的。

使用ABC方法对软件应用程序进行模拟以检测漏洞和异常行为

使用ABC方法进行白盒模糊测试，以检测软件应用程序中的漏洞和异常行为，避免了计算昂贵的测试组合

论文使用两种ABC方法（SMC和MCMC）进行实验，发现SMC后验分布具有良好的表现，而MCMC后验分布则表现不佳。研究者使用的是手动实现的松散ABC方法。

该论文提到了其他使用基于模拟的方法进行软件测试的研究，如模糊测试和符号执行。