待验证50% 置信事实精确时间

基于变异的模糊测试（如 AFL、libFuzzer）通过对已有输入样本进行位翻转、字节替换等变异来生成新的测试用例

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

GitHub Security Lab Taskflow Agent：AI驱动的模糊测试新范式

涉及实体

AFLproduct libFuzzerproduct 模糊测试concept

相关事实

待验证模糊测试（Fuzzing）是自动化软件安全测试技术，现代技术通常与代码覆盖率反馈相结合，代表工具包括AFL++、libFuzzer72% 相似待验证Flaky Test（不稳定测试）指在测试输入和被测代码均保持不变的前提下，仍会产生非确定性结果的测试用例70% 相似已验证突变测试（Mutation Testing）通过人为引入代码缺陷来检验测试用例是否真正有效69% 相似待验证Claude 驱动的模糊测试由大语言模型理解代码语义后有针对性地生成更具破坏性的测试用例，而非盲目的随机字节翻转68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/948130

API

curl https://kongchang.com/api/v1/knowledge/claims/948130

MCP

get_claim(id=948130)