该论文提出了一种名为PeAR的静态二进制重写框架，旨在解决闭源软件二进制级模糊测试中的覆盖率引导问题。传统上，二进制模糊测试依赖动态二进制插桩（DBI）来获取覆盖率信息，但DBI会引入显著运行时开销。静态二进制插桩（SBI）虽可避免运行时开销，但常被认为存在精度和正确性挑战。作者通过实验表明，利用现有成熟框架可以实现精确且可扩展的SBI，并基于此构建了PeAR框架。PeAR支持多种现代模糊器特性，包括延迟初始化、持久模式和共享内存模糊测试。作者在FUZZBENCH基准上进行了总计4.25 CPU年的模糊测试评估，结果表明：(i) PeAR成功插桩了88%的FUZZBENCH目标，与最佳SBI模糊器相当；(ii) 在使用持久模式和共享内存模糊测试时，中位数吞吐量提升了4倍；(iii) 达到了与编译器插桩相当的覆盖率。这些结果证明SBI是二进制模糊测试中一种实用且有效的技术，现代二进制重写框架能够在高粒度下应用复杂插桩，且性能损失极小。该研究适合对二进制安全、模糊测试、静态分析感兴趣的从业者阅读。