Skip to content
KitploitKITPLOIT
FerramentasExploitsBlog
Log in
Enviar
FerramentasExploitsBlog
Enviar

Ferramentas de Hacking, PenTest e Cibersegurança para o seu Arsenal de Segurança!

Kitploit é um diretório de ferramentas de hacking, cibersegurança e pentesting. Descubra as últimas atualizações de projetos para encontrar vulnerabilidades, analisar sistemas, automatizar testes e fortalecer sua segurança.

FeedsContatoPrivacidade© 2026 Kitploit

Diretório de Ferramentas

Categorias

Ver todas as categorias
Loading categories
oss-fuzz-gen — Fuzzing alimentado por LLM via OSS-Fuzz. | Kitploit
Ferramentas/GitHubGitHub/google/oss-fuzz-gen
Análise de VulnerabilidadesAnálise Dinâmica de Código (DAST)FuzzingDevSecOpsAprendizado de MáquinaSegurança de IA
GitHubgoogle/oss-fuzz-gen

oss-fuzz-gen

Fuzzing alimentado por LLM via OSS-Fuzz.

Ver Repositório
1.4k22466há 7 mesesRevisado pelo Kitploit

Mais Populares

Ver todos →

Descubra as ferramentas mais usadas pela nossa comunidade.

Explore todas as ferramentas

Navegue pela nossa coleção de ferramentas

Ver todas as ferramentas →
Compartilhar

Um Framework para Geração e Avaliação de Alvos de Fuzz

Este framework gera alvos de fuzz para projetos reais em C/C++/Java/Python com vários Modelos de Linguagem de Grande Porte (LLM) e os avalia por meio da plataforma OSS-Fuzz.

Mais detalhes disponíveis em Fuzzing com IA: Rompendo a Barreira da Caça a Bugs: Texto alternativo

Os modelos atualmente suportados são:

  • 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)

Os alvos de fuzz gerados são avaliados com quatro métricas em relação aos dados mais atualizados do ambiente de produção:

  • Compilabilidade
  • Falhas em tempo de execução
  • Cobertura em tempo de execução
  • Diferença de cobertura de linhas em tempo de execução em relação aos alvos de fuzz escritos por humanos existentes no OSS-Fuzz.

Aqui está um exemplo de resultado de experimento de 31 de janeiro de 2024. O experimento incluiu mais de 1300 benchmarks de 297 projetos de código aberto.

image

No geral, este framework consegue aproveitar com sucesso os LLMs para gerar alvos de fuzz válidos (que geram aumento de cobertura diferente de zero) para 160 projetos em C/C++. O aumento máximo de cobertura de linhas é de 29% em relação aos alvos escritos por humanos existentes.

Observe que esses relatórios não são públicos, pois podem conter vulnerabilidades não divulgadas.

Uso

Consulte nosso guia de uso detalhado para instruções sobre como executar este framework e gerar relatórios com base nos resultados.

Execução e Avaliação Independente de Agentes

Você também pode executar ou avaliar agentes individuais sem executar experimentos completos, usando o framework integrado de execução de agentes. Consulte a documentação do framework para instruções detalhadas sobre como executar agentes individuais ou sequências de agentes.

Colaborações

Interessado em colaborações de pesquisa ou na comunidade de código aberto? Sinta-se à vontade para criar uma issue ou enviar um e-mail para: [email protected].

Bugs Descobertos

Baixar ferramenta