Skip to content
KitploitKITPLOIT
ИнструментыБлог
Log in
Отправить
ИнструментыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

ЛентыКонтактыКонфиденциальность© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
oss-fuzz-gen — LLM-управляемый фаззинг через OSS-Fuzz. | Kitploit
Инструменты/GitHubGitHub/google/oss-fuzz-gen
Анализ уязвимостейДинамический анализ кода (DAST)ФаззингDevSecOpsМашинное ОбучениеБезопасность ИИ
GitHubgoogle/oss-fuzz-gen

oss-fuzz-gen

LLM-управляемый фаззинг через OSS-Fuzz.

Репозиторий
1.4k224387 месяцев назадПроверено Kitploit

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →
Поделиться

Платформа для генерации и оценки фаззинг-таргетов

Эта платформа генерирует фаззинг-таргеты для реальных проектов на C/C++/Java/Python с помощью различных больших языковых моделей (LLM) и проводит их бенчмаркинг на платформе OSS-Fuzz.

Более подробная информация доступна в статье Фаззинг на основе ИИ: разрушая барьер в охоте за ошибками: Обзор

Поддерживаемые в настоящее время модели:

  • 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)

Сгенерированные фаззинг-таргеты оцениваются по четырём метрикам на основе самых актуальных данных из производственной среды:

  • Компилируемость
  • Сбои во время выполнения
  • Покрытие во время выполнения
  • Разница в построчном покрытии во время выполнения по сравнению с существующими написанными вручную фаззинг-таргетами в OSS-Fuzz.

Ниже приведён пример результатов эксперимента от 31 января 2024 г. Эксперимент включал 1300+ бенчмарков из 297 проектов с открытым исходным кодом.

image

В целом, этой платформе удаётся успешно использовать LLM для генерации корректных фаззинг-таргетов (обеспечивающих ненулевой прирост покрытия) для 160 проектов на C/C++. Максимальный прирост построчного покрытия по сравнению с существующими написанными вручную таргетами составляет 29%.

Обратите внимание, что эти отчёты не являются публичными, поскольку могут содержать нераскрытые уязвимости.

Использование

Ознакомьтесь с подробным руководством по использованию — в нём описано, как запустить эту платформу и сформировать отчёты на основе результатов.

Автономное выполнение и оценка агентов

Вы также можете запускать или оценивать отдельных агентов без проведения полных экспериментов, используя встроенную среду выполнения агентов. Подробные инструкции по запуску отдельных агентов или последовательностей агентов приведены в документации платформы.

Сотрудничество

Интересуетесь исследовательскими или open-source коллаборациями? Пожалуйста, создавайте issue или пишите нам: [email protected].

Обнаруженные ошибки

Скачать инструмент