oss-fuzz-gen：一款基于LLM的模糊测试对象生成与评估框架
oss-fuzz-gen：一款基于LLM的模糊测试对象生成与评估框架
关于oss-fuzz-gen
oss-fuzz-gen是一款基于LLM的模糊测试对象生成与评估框架，该工具可以帮助广大研究人员使用多种大语言模型（LLM）生成真实场景中的C/C++项目以执行模糊测试。
该工具基于Google的OSS-Fuzz平台实现其功能，并对生成的目标执行基准测试。
工具架构
工具运行流程如下：
工具会根据生产环境中的最新数据，使用四个指标来评估生成的模糊测试目标：
1、可操作性； 2、运行时崩溃； 3、运行时覆盖率； 4、与OSS-Fuzz中现有的人工编写的模糊目标相比，运行时行覆盖率存在的差异；
下图显示的是该工具与297个开源项目进行的1300+基准测试结果：
支持的模型
Vertex AI code-bison Vertex AI code-bison-32k Gemini Pro OpenAI GPT-3.5-turbo OpenAI GPT-4
工具要求
Python 3.11 pip python3.11-venv Git Docker Google Cloud SDK c++filt clang-format
工具下载
广大研究人员可以直接使用下列命令将该项目源码克隆至本地：
git clone https://github.com/google/oss-fuzz-gen.git然后使用下列命令创建一个虚拟环境，激活环境后使用pip命令和项目提供的requirements.txt安装该工具所需的其他依赖组件：
cd oss-fuzz-gen
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txtLLM访问
Vertex AI
访问Vertex AI模型需要一个启用了Vertex AI的Google云项目（GCP）。
然后完成GCP身份认证：
gcloud auth login
gcloud auth application-default login
gcloud auth application-default set-quota-project <your-project>你还需要指定GCP项目和Vertex AI配额：
export CLOUD_ML_PROJECT_ID=<gcp-project-id>
export VERTEX_AI_LOCATIONS=us-west1,us-west4,us-east4,us-central1,northamerica-northeast1OpenAI
OpenAI的使用需要一个API密钥，获取到之后需要在一个环境变量中设置：
export OPENAI_API_KEY='<your-api-key>'工具执行
下列命令可以生成并评估一个模糊测试对象，然后执行基准测试：
./run_all_experiments.py \
--model=<model-name> \
--benchmarks-directory='./benchmark-sets/comparison' \
[--ai-binary=<llm-access-binary>] \
[--template-directory=prompts/custom_template] \
[--work-dir=results-dir]
[...]
# E.g., generate fuzz targets for TinyXML-2 with default template and fuzz for 30 seconds.
# ./run_all_experiments.py -y ./benchmark-sets/comparison/tinyxml2.yaml
其中的<model-name>可以是下列参数：
1、Vertex AI中Code Bison模型的vertex_ai_code-bison或vertex_ai_code-bison-32k； 2、Vertex AI中Gemini Pro的vertex_ai_gemini-pro； 3、OpenAI的gpt-3.5-turbo或gtp-4；
可视化结果
================================================================================
*<project-name>, <function-name>*
build success rate: <build-rate>, crash rate: <crash-rate>, max coverage: <max-coverage>, max line coverage diff: <max-coverage-diff>
max coverage sample: <results-dir>/<benchmark-dir>/fixed_targets/<LLM-generated-fuzz-target>
max coverage diff sample: <results-dir>/<benchmark-dir>/fixed_targets/<LLM-generated-fuzz-target>生成报告
该工具还支持通过一个Web UI来查看结果：
python -m report.web <results-dir> <port><results-dir>为--work-dir的目录路径，默认值为./results。执行完成后，直接访问http://localhost:<port> 即可查看。
许可证协议
本项目的开发与发布遵循Apache-2.0开源许可证协议。
项目地址