一种基于扩散生成模型的模糊测试种子生成方法

本发明公开了一种基于扩散生成模型的模糊测试种子生成方法，模糊测试时，传统的种子选择策略往往效率低下且效果不稳定。本发明方法通过并行模糊测试收集有价值的输入文件作为训练数据集，在经过数据预处理后输入到扩散生成模型学习数据特征并生成多样性的种子文件。这些种子文件能够快速触发目标应用程序的路径，从而显著提高漏洞检测的效率和覆盖率。实验表明，模型新生成的种子文件提高了模糊测试的分支覆盖率和路径覆盖率，在一定程度上提高了并行模糊测试的效率。