
LLM propulsé par fuzzing via OSS-Fuzz.
Ce framework génère des cibles de fuzzing pour des projets réels en C/C++/Java/Python avec
divers grands modèles de langage (LLM) et les évalue via la
plateforme OSS-Fuzz.
Plus de détails disponibles dans AI-Powered Fuzzing: Breaking the Bug Hunting Barrier :

Les modèles actuellement pris en charge sont :
Les cibles de fuzzing générées sont évaluées selon quatre métriques par rapport aux données les plus récentes de l'environnement de production :
OSS-Fuzz.Voici un exemple de résultat d'expérience du 31 janvier 2024. L'expérience incluait plus de 1300 benchmarks provenant de 297 projets open source.

Globalement, ce framework parvient à exploiter avec succès les LLM pour générer des cibles de fuzzing valides (qui produisent une augmentation de couverture non nulle) pour 160 projets C/C++. L'augmentation maximale de couverture de lignes est de 29 % par rapport aux cibles existantes écrites par des humains.
Notez que ces rapports ne sont pas publics car ils peuvent contenir des vulnérabilités non divulguées.
Consultez notre guide d'utilisation détaillé pour savoir comment exécuter ce framework et générer des rapports basés sur les résultats.
Vous pouvez également exécuter ou évaluer des agents individuels sans lancer d'expériences complètes, en utilisant le framework intégré d'exécution d'agents. Consultez la documentation du framework pour des instructions détaillées sur la façon d'exécuter des agents individuels ou des séquences d'agents.
Vous êtes intéressé par la recherche ou par des collaborations avec la communauté open source ? N'hésitez pas à créer un ticket ou à nous envoyer un e-mail : [email protected].