模糊测试中基于神经网络的敏感区域预测算法研究

软件漏洞是造成计算机安全问题的根本原因,模糊测试技术由于其易扩展,高效的特性,是目前主流的漏洞检测技术之一。然而以往的模糊测试技术存在着对识别高结构样本失效以及盲变异效率低下的问题。针对这些问题,本文提出了基于神经网络的敏感区域预测的模糊测试方法。该方法以输入文件的某些区域的极小改变会引起程序行为较大改变的现象为出发点,引入了敏感区域概念,并引入了能够学习总结数据特征的神经网络方法检测敏感区域。在检测敏感区域的基础上,本文引入了增量学习策略,进行了变异策略的优化,使检测效率以及检测深度有更多提升。为了验证提出方法的有效性,本研究在三种热门格式文件PNG、TIFF、XML的处理软件上进行了实验,在模糊测试覆盖率上取得了8%~20%的提升,从而验证了本文方法的有效性和可行性。