本文针对模糊测试中反馈收集的局限性问题展开研究。在传统模糊测试中，通常需要能够观察和插桩二进制程序中的基本块以获取执行反馈，从而指导输入生成。然而，在许多实际场景中，例如对黑盒设备进行原位模糊测试或对经过混淆编译的二进制进行测试时，无法直接收集这类反馈。为解决这一挑战，作者提出了基于运行时执行轨迹构建控制流图（CFG）类似结构的方法，以从执行轨迹中推导反馈信息。首先，作者介绍了一种简单的分歧检测方法，用于识别唯一的执行轨迹；随后，提出了一种改进的基于执行分歧图（Execution Divergence Graph, EDG）的方法。EDG 能够更有效地处理循环中的重复代码执行等特殊问题，并构建出更精细的反馈信号。作者实现了这两种方法，并在一系列基准测试和混淆目标上进行了实验。结果表明，与纯盲模糊测试器相比，基于 EDG 的方法显著提高了代码覆盖率和漏洞发现效率。此外，作者还展示了该方法在无法进行静态插桩的场景下的有效性。尽管本文研究的场景假设攻击者可以直接观察完整的指令轨迹，但该方案同样可应用于其他反馈通道（如功耗分析）的场景。本文的主要贡献在于提出了一种无需静态插桩即可从执行轨迹中提取反馈的新方法，并验证了其在模糊测试混淆二进制和黑盒设备中的有效性，为安全测试领域提供了一种实用的替代方案。