基于主动学习的符号执行路径探索策略

摘要

针对符号执行路径爆炸问题，设计一种基于主动学习引导的符号执行路径探索策略(path exploration strategy for symbolic execution based on active learning, ALS)。预测待测状态池中所有状态奖励值，自动标注预测准确的高奖励值状态，反馈给模型以更新预测模型；根据模型性能和预测精度判断是否进入下一轮测试；最后一轮模型更新结束后，部分预测模型将自动进行迭代训练，生成多个子模型，共同用于符号执行的路径探索。试验结果表明，在相同试验条件下，ALS相较其他基线方法往往能够实现更高代码覆盖和分支覆盖率，发现更多未定义行为违规数和真实世界程序漏洞，且其生成测试用例质量较高，用作模糊测试初始种子能发现更多程序路径。

关键词

主动学习 / 符号执行 / 路径探索策略 / 奖励值