基于大模型的覆盖率引导代码生成与模糊测试方法

一种基于大模型的覆盖率引导代码生成与模糊测试方法，用于解决现有的大模型模糊器在模糊循环的过程中不仅忽视了覆盖信息对模糊循环的引导作用，并且对提示词的自动生成过于草率的问题。本发明包括提示词生成、模糊循环、突变算子选择和漏洞检测这四个阶段。本方法提出了基于专家模板的提示生成方法和非等间隔覆盖信息引导的模糊循环方法。前者可以降低用户使用CoverFuzz时的门槛，提高初始提示的质量；后者可以在覆盖信息的引导下，更好的去覆盖被测对象来检测漏洞。本发明使得基于大模型的模糊测试生成的程序有效性明显提升，解决了现有基于大模型的模糊器忽视覆盖信息的问题，并且也具有更高的代码覆盖率。