Proj CMI Paper Reading: Reinforcement Learning-based Hierarchical Seed Scheduling for Greybox Fuzzing

Abstract

背景：

1. 细粒度的覆盖指标可以让模糊器检测到传统边缘覆盖⽆法覆盖的错误
2. 现有算法⽆法有效地调度种子

本文：
工具：AFL++-HIER
方法：

1. 多级覆盖度量
2. 基于强化学习的分层调度

实验：
数据集：DARPA CGC
效果：

1. 明显优于AFL和AFLFAST ：它可以检测到 20% 以上的错误，对 180 个挑战中的 83 个实现更⾼的
   覆盖率，并在 60 个挑战上实现相同的覆盖