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。