该论文提出了一种自动化框架，用于在状态协议实现的状态机学习中自动构建输入字母表。传统状态机学习依赖手工构建输入字母表，这限制了输入探索的完备性，难以捕获异常的非符合消息，从而遗漏潜在的语义缺陷。论文采用大型语言模型（LLM）解析协议消息布局，并根据结构化变异规则生成候选输入符号，自动覆盖有效和无效消息空间，消除了对人工协议知识的依赖。针对字母表增长带来的开销，引入小批量增量学习策略，在加入新字母条目时重用已学习的自动机。在多个实际协议栈上的实验表明，该方法能够重现已知安全漏洞并发现新的语义错误，其中一些新问题已被开发者确认并修复，证明了方法的实用性和有效性。