本研究报告聚焦于入侵检测系统（IDS）测试数据的自动生成问题。IDS作为网络基础设施的第一道防线，通过解析数据包并根据用户提供的规则（通常基于已知恶意流量示例）来识别恶意流量。然而，由于测试数据往往涉及敏感信息，难以获取，导致新规则的评估十分困难。作者首先分析了现有基于SMT（可满足性模理论）的合成方法在自动生成恶意网络流量方面的局限性，指出其无法覆盖实际规则库中多样化的攻击特征。随后，他们对开源语料库中超过30,000条IDS规则的编写实践进行了系统调查，总结了规则编写的主要模式和常见特征。基于这一调查，他们提出了一条扩展现有SMT方法的路线图，旨在生成能够表征广泛威胁类型的安全测试数据，并探索了辅助用途，如帮助用户编写IDS规则和识别IDS实现中的缺陷。最后，作者分享了针对其中一种扩展的早期评估结果，该扩展成功为超过90%的评估规则生成了有效的IDS测试数据。研究的主要贡献在于：揭示了现有合成方法的瓶颈，通过大规模规则语料分析提供了实践见解，并提出了一条可行路线来提升测试数据生成的覆盖率和实用性。该工作对IDS规则开发者、安全测试人员以及网络防御研究领域具有参考价值。