该论文基于对 OSSFuzz 平台生成的所有模糊测试（fuzzing）漏洞报告的实证研究，发现约 77%（23k 个漏洞中的 4/5）是由最近的代码变更引入的回归缺陷（regression bugs）。新项目在初始阶段每天会出现 2-3 个新漏洞报告，但清除存量缺陷后，每周仍有 3-4 个报告，这一恒定速率只能由不断上升的回归引入率来解释——首个漏洞是回归的概率为 20%，而在数百个报告后升至 92%。为此，作者提出回归灰盒模糊测试（Regression Greybox Fuzzing, RGF），将模糊测试资源优先分配给更近期或更频繁变更的代码。由于对每个提交单独进行充分模糊测试不现实，RGF 同时对所有提交进行模糊测试，但赋予出现在更多（更近）提交中的代码更高优先级。论文还观察到大多数代码从未被修改且相对陈旧，因此设计了增强代码兴趣信号的方法，并将能量调度（power schedule）概念扩展到种子的字节级别，利用蚁群优化（Ant Colony Optimization）为更有可能生成有趣输入的字节分配更多能量。作者在 Fuzzbench 平台上进行了大规模可复现实验，涉及 3 个以上 CPU 年的模糊测试运行，并在 OSSFuzz 上的 15 个开源 C 程序中发现了 20 个缺陷，验证了假设与 RGF 的有效性。适合软件安全研究人员、模糊测试工具开发者及负责持续集成/持续交付（CI/CD）的安全工程团队阅读。