ShapFuzz: Efficient Fuzzing via Shapley-Guided Byte Selection.
本文针对基于突变的模糊测试(fuzzing)中字节重要性量化不足的问题展开研究。现有方法通常关注输入字节与路径约束的关系,但忽略了并非所有与约束相关的字节都能发现新代码。作者通过Shapley值分析发现,不同字节位置对模糊测试性能的贡献存在
共收录 2 条相关情报。
← 返回所有主题本文针对基于突变的模糊测试(fuzzing)中字节重要性量化不足的问题展开研究。现有方法通常关注输入字节与路径约束的关系,但忽略了并非所有与约束相关的字节都能发现新代码。作者通过Shapley值分析发现,不同字节位置对模糊测试性能的贡献存在
数据估值是数据市场中的核心任务,Shapley值归因用于决定买方的付款如何在数据提供者之间分配。传统上,市场运营商独立执行归因,但要求参与者和外部审计员信任无法在底层私有数据上独立重算的分数。零知识证明(ZKP)理论上可以协调隐私与可验证性