该论文提出 HOPPER，一种无需领域知识即可对库进行模糊测试的解释性模糊测试工具。现有模糊测试工具通常需要手动构造模糊驱动（fuzz driver），其质量取决于开发者的代码理解，而自动生成驱动的方法又受限于已学习代码的调用序列。HOPPER 将库模糊测试问题转化为解释器模糊测试问题：被测库链接的解释器可解释描述任意 API 用法的输入。为了生成语义正确的输入，HOPPER 学习库内的接口内（intra-API）和接口间（inter-API）约束，并通过语法感知的变异生成测试用例。作者在 11 个真实库上评估 HOPPER，与手工编写的模糊器和自动化方案相比，HOPPER 在代码覆盖率和漏洞发现上均显著优于其他工具，发现了 25 个其他模糊器无法发现的未知 bug。实验表明，所提出的约束学习方法能正确学习库隐含的约束，大幅提升模糊测试效率。该工作为库级模糊测试提供了开箱即用的自动化方案，适合安全测试工具开发者和软件测试研究人员阅读。