基于突变的模糊测试是发现软件漏洞的主流方法之一，但传统突变过程的高随机性导致效率低下。近年来，覆盖引导的模糊测试通过采用自适应突变策略或集成约束求解技术，在一定程度上提升了对触发独特路径和崩溃的测试用例的探索能力。然而，现有方法普遍缺乏对模糊测试历史中关键突变策略的细粒度重用，即未能有效利用不同模糊测试试验之间的历史信息。本文发现，历史测试用例中包含了导致发现独特路径和崩溃的突变策略的丰富知识，这些突变策略中隐式携带的部分路径约束解可以被重用，以加速发现具有相似部分路径约束的新路径和崩溃。基于这一发现，作者提出了一种历史驱动的突变方法（EMS），通过分析历史突变策略并重用其中的部分路径约束解，指导后续测试用例的生成，从而提升覆盖引导模糊测试的效率。实验结果表明，EMS在多个真实程序上能够显著提高代码覆盖率和漏洞发现速度。该研究为模糊测试领域提供了一种新的历史利用视角，适合安全研究者和模糊测试工具开发者阅读。

本文介绍了Jazzer，一种针对Java生态系统的覆盖率引导的模糊测试工具，专门用于发现语义漏洞。与传统的仅关注内存安全错误的模糊测试不同，Jazzer通过结合覆盖率反馈和语义分析，能够检测更高级别的逻辑缺陷，例如不正确的状态转换、业务逻辑错误以及违反隐式假设的漏洞。该方法利用Java的字节码插桩技术收集覆盖率信息，并集成了自定义的种子生成和突变策略，以提高对复杂语义漏洞的发现效率。实验在多个流行Java库（如Apache Commons、Google Guava等）上进行，结果表明Jazzer成功发现了多个先前未知的语义漏洞，且误报率较低。该工作填补了Java生态系统中高级漏洞模糊测试的空白，为安全测试人员提供了新的有效工具。

该论文提出并实现了 NYX，一种针对超管理器（Hypervisor/VMM）的高性能、覆盖引导的模糊测试工具。超管理器负责隔离同一物理机上不同虚拟机（VM）的安全边界，恶意用户若能在云 VM 上运行自己的内核，则可攻击大量攻击面，一旦利用成功将完全控制宿主机的所有 VM。因此，高效检测超管理器漏洞对现代云基础设施安全至关重要。现有研究表明，盲目模糊测试因测试吞吐量极高而成为最有效的方法。然而，NYX 通过引入快速快照恢复机制，实现了每秒数千次的重载被测系统，显著提升了性能。此外，作者提出了一种基于自定义字节码程序（编码为有向无环图 DAG）和仿射类型（affine types）的新型变异引擎，能够灵活表达复杂交互。评估结果显示，虽然 NYX 的吞吐量低于最先进的盲目模糊测试器，但在简单目标上表现相当，仅需稍长时间达到相同覆盖率。对于复杂设备，NYX 显著优于现有工作。更重要的是，NYX 发现了大量新漏洞：总计 44 个新 bug，其中 22 个已申请 CVE。实验证明覆盖引导的价值巨大，即使盲目模糊测试器可能更快。该研究适合超管理器开发者、云安全工程师、模糊测试研究人员阅读。

资源公钥基础设施（RPKI）已成为保护域间路由安全的关键技术。然而，RPKI软件的安全性测试长期停留在浅层解析阶段，现有模糊测试工具（如AFL++、libFuzzer）因假设每次执行输入单一且独立，无法处理RPKI仓库中数百个相互依赖、经密码学链接的对象。这种复杂性导致现有工具无法精确追踪多对象仓库中的代码覆盖率，破坏了基于反馈的探索机制，从而遗漏了RPKI验证中的多数严重漏洞。本文提出并实现了一种新型模糊测试工具CAT，通过连续采样和将函数作为侧信道实现大规模输入仓库中每个对象的精确覆盖率归因。同时，通过将解析输入转换为带标签的树结构，CAT能够在保持变异仓库密码学有效性的前提下进行结构和语义突变。CAT结合了非顺序模糊测试与模板无关的ASN.1变异引擎，相比顺序模糊测试吞吐量提升66倍，相比libFuzzer和先前工作多探索24%-47%的独特代码路径。在RPKI验证器上的评估中，CAT发现了21个先前未知的漏洞，其中8个已分配CVE（CVSS 7.5-9.8），包括缓冲区溢出、拒绝服务（DoS）和可被利用的仓库投毒逻辑缺陷。CAT已开源，以支持可重复性、进一步研究以及将方法推广至DNSSEC、TLS等其他基于密码学的复杂协议。

本文系统研究了固件模糊测试中的输入传递问题。现有固件模糊测试工具通常直接沿用通用软件的模糊测试方法，但固件输入具有异步、不确定时机和数量的特点，导致现有方法要么过量传递输入（stuffing）使处理函数过载，要么传递不足（starving）无法触发输入处理函数，严重削弱了模糊测试能力。作者提出FIDO（Firmware Input Delivery Optimizer），通过静态和动态分析，将每个输入处理路径映射为三个阶段：输入检索、可用性检查和实际处理。FIDO利用恢复的语义信息，在可用性检查点准确传递期望长度范围内的测试用例，并针对多条输入路径优化调度算法以探索更多路径。FIDO作为插件可嵌入现有固件模糊测试工具。实验表明，相比Fuzzware和MULTIFUZZ的非自适应方法，FIDO将中位数代码覆盖率分别提升最高115%和54%；相比需人工指定输入点的SEmu，覆盖率仍提升最高19%。FIDO能显著加快已知漏洞的发现速度，并已识别出5个之前未知的漏洞。