该论文提出了 MUTATO，一种通过自适应 API 选项变异来增强模糊测试驱动（fuzz driver）的方法。在库模糊测试中，模糊驱动程序通常需要构造 API 调用序列及其参数，但现有工具往往忽略了 API 选项（如配置参数或标志位）的变异，导致测试覆盖率受限。MUTATO 设计了一种轻量级的自适应策略，能够基于动态反馈（如代码覆盖率增长情况）自动调整选项变异的概率和范围，从而更有效地探索库的深层路径。方法包括三个关键组件：选项类型推断（从函数签名中识别选项参数）、变异概率调度（使用带宽分配模型）以及交叉影响处理（考虑多个选项间的组合）。在多个真实库（如 libxml2、libpng、OpenSSL）上的实验表明，MUTATO 相比基线工具（如 AFL++ 的默认驱动）实现了平均 23% 的代码覆盖率提升和 31% 的崩溃发现数量增加。该工作为自动化模糊测试驱动生成后的优化提供了新思路，尤其适用于具有大量配置选项的库。