一种基于大语言模型的Python库模糊测试驱动生成方法

本发明聚焦于模糊测试领域，具体内容涉及到利用大语言模型智能化辅助模糊测试驱动代码生成。为Python库代码模糊测试提供一种利用大语言模型的方便快捷、自动化、结合测试函数和样本代码的模糊测试驱动代码生成方法。本发明方法包括：通过静态分析工具进行Python库源码分析和驱动代码样本信息提取，获得测试函数和样本代码的数据集；构建包含驱动样例代码、生成任务说明、变异策略简介、测试函数信息集合、驱动样本代码、代码规范化说明的提示词工程结构，按照样本数量生成零样本、少样本、思维链提示；搭建大语言模型代理端，将提示词以HTTP/HTTPS报文方式传送给开源、闭源大语言模型，进行模糊测试驱动代码的推理生成；在获得驱动代码后，对未通过试运行测试的模糊测试驱动代码进行多轮生成、筛选，最终获得待漏洞挖掘的模糊测试驱动代码集合；利用已经获得的模糊测试驱动代码集合对测试函数进行漏洞挖掘，并将结果保存至数据库以待分析。