Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
Herramientas/GitHubGitHub/google/oss-fuzz-gen
Análisis de VulnerabilidadesAnálisis Dinámico de Código (DAST)FuzzingDevSecOpsAprendizaje AutomáticoSeguridad de IA
GitHubgoogle/oss-fuzz-gen

oss-fuzz-gen

Fuzzing impulsado por LLM a través de OSS-Fuzz.

Ver Repositorio
1.4k22438hace 7 mesesRevisado por Kitploit

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →
Compartir

Un framework para la generación y evaluación de fuzz targets

Este framework genera fuzz targets para proyectos reales de C/C++/Java/Python con varios modelos de lenguaje de gran tamaño (LLM) y los evalúa mediante la plataforma OSS-Fuzz.

Más detalles disponibles en Fuzzing impulsado por IA: rompiendo la barrera de la caza de bugs: Texto alternativo

Los modelos admitidos actualmente son:

  • Vertex AI code-bison
  • Vertex AI code-bison-32k
  • Gemini Pro
  • Gemini Ultra
  • Gemini Experimental
  • Gemini 1.5
  • OpenAI GPT-3.5-turbo
  • OpenAI GPT-4
  • OpenAI GPT-4o
  • OpenAI GPT-4o-mini
  • OpenAI GPT-4-turbo
  • OpenAI GPT-3.5-turbo (Azure)
  • OpenAI GPT-4 (Azure)
  • OpenAI GPT-4o (Azure)

Los fuzz targets generados se evalúan con cuatro métricas frente a los datos más actualizados del entorno de producción:

  • Compilabilidad
  • Bloqueos en tiempo de ejecución
  • Cobertura en tiempo de ejecución
  • Diferencia de cobertura de líneas en tiempo de ejecución frente a los fuzz targets escritos por humanos existentes en OSS-Fuzz.

Aquí hay un ejemplo de resultado de experimento del 31 de enero de 2024. El experimento incluyó más de 1300 benchmarks de 297 proyectos de código abierto.

image

En general, este framework logra aprovechar con éxito los LLM para generar fuzz targets válidos (que generan un aumento de cobertura distinto de cero) para 160 proyectos de C/C++. El aumento máximo de cobertura de líneas es del 29% respecto a los fuzz targets escritos por humanos existentes.

Ten en cuenta que estos informes no son públicos, ya que pueden contener vulnerabilidades no divulgadas.

Uso

Consulta nuestra guía de uso para obtener instrucciones sobre cómo ejecutar este framework y generar informes basados en los resultados.

Ejecución y evaluación independiente de agentes

También puedes ejecutar o evaluar agentes individuales sin ejecutar experimentos completos, utilizando el framework integrado de ejecución de agentes. Consulta la documentación del framework para obtener instrucciones detalladas sobre cómo ejecutar agentes individuales o secuencias de agentes.

Colaboraciones

¿Te interesan las colaboraciones de investigación o con la comunidad de código abierto? No dudes en crear un issue o enviarnos un correo electrónico: [email protected].

Bugs descubiertos

Descargar herramienta