一种用于DBMS模糊测试的自适应变异策略

摘要

数据库管理系统（DBMS）被广泛应用于各个领域，并在其中发挥着不可替代的作用.因此发现DBMS中的bug，防止其被攻击者利用至关重要.为了检测DBMS中潜藏的bug，研究者提出了DBMS模糊测试技术.使用这项技术，研究者成功在DBMS中发现了大量bug.然而现有的DBMS模糊测试技术依然存在一定的局限性.现有的技术在对SQL语句的抽象语法树（AST）进行变异时，没有根据不同节点和变异结果的重要性分配计算资源，而是采取了一种平均分配的策略，这降低了测试的效率.为了解决这个问题，本文提出了一种使用基于语法信息的变异方法的自适应变异策略.这种变异策略能够自动计算不同节点和变异结果的重要性，并根据重要性为更重要的操作分配更多的计算资源.基于语法信息的变异方法可以将变异操作与变异结果直接关联，消除了变异操作和变异结果之间的偏差.我们在一种新的DBMS模糊测试工具Pinecone中实现了这种变异策略，并使用Pinecone对两款广泛使用的DBMS进行测试.实验证明，与Squirrel相比，Pinecone在MariaDB和MySQL中发现的路径数分别提升了4.52%和19.4%，位图覆盖率分别提升了15%和13.8%，发现的Bug数量提升了26.7%和75%，这证明了本文提出的方法可以有效提升模糊测试的效率.

关键词

DBMS模糊测试 / Squirrel / 语法信息 / 自适应变异策略

基金资助

国家重点研发计划项目（2021YFB3101803）