論文の概要: SBFT Tool Competition 2023 -- Fuzzing Track

• arxiv url: http://arxiv.org/abs/2304.10070v2
• Date: Tue, 16 May 2023 01:42:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 12:35:07.007662
• Title: SBFT Tool Competition 2023 -- Fuzzing Track
• Title（参考訳）: sbftツールコンペティション2023 -- ファジングトラック
• Authors: Dongge Liu, Jonathan Metzman, Marcel B\"ohme, Oliver Chang, Abhishek Arya
• Abstract要約: 本報告では,SBFT 2023で開催された第1回ファジングコンペティションの目的,方法論,課題,成果について概説する。 このコンペティションでは、FuzzBenchを使用して、コードカバレッジのパフォーマンスと、23時間にわたって参加する8つのファジィのバグフィリングの有効性を評価した。
• 参考スコア（独自算出の注目度）: 3.3082108242785173
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This report outlines the objectives, methodology, challenges, and results of the first Fuzzing Competition held at SBFT 2023. The competition utilized FuzzBench to assess the code-coverage performance and bug-finding efficacy of eight participating fuzzers over 23 hours. The competition was organized in three phases. In the first phase, participants were asked to integrate their fuzzers into FuzzBench and allowed them to privately run local experiments against the publicly available benchmarks. In the second phase, we publicly ran all submitted fuzzers on the publicly available benchmarks and allowed participants to fix any remaining bugs in their fuzzers. In the third phase, we publicly ran all submitted fuzzers plus three widely-used baseline fuzzers on a hidden set and the publicly available set of benchmark programs to establish the final results.
• Abstract（参考訳）: 本報告では,SBFT 2023で開催された第1回ファジングコンペティションの目的,方法論,課題,成果について概説する。 コンペティションでは、fuzzbenchを使用して、23時間にわたって8つの参加者によるコードカバレッジのパフォーマンスとバグ発見の有効性を評価した。 大会は3つの段階に分かれた。 第1フェーズでは、参加者はファザーをFuzzBenchに統合し、公開ベンチマークに対するローカル実験をプライベートに実行できるように求められた。 第2フェーズでは、提出されたすべてのファザーを公開ベンチマークで公開し、参加者がファザーの残りのバグを修正できるようにしました。 第3フェーズでは,提案したファジイザと3つの広く使用されているベースラインファジイザを隠蔽セットで公開し,ベンチマークプログラムを公開して最終結果を確立した。

関連論文リスト

• ProphetFuzz: Fully Automated Prediction and Fuzzing of High-Risk Option Combinations with Only Documentation via Large Language Model [16.647211264954667]
  オプションの組み合わせに関連する脆弱性は、膨大な検索スペースのため、ソフトウェアのセキュリティテストにおいて重大な課題となる。 提案手法は,大規模言語モデル(LLM)を駆動し,リスクの高い選択肢の組み合わせを予測するために,慎重に設計したプロンプトエンジニアリングを利用する。 ProphetFuzzは1プログラムあたり平均8.69ドルという価格で1748のハイリスクオプションの組み合わせを予測した。
  論文  参考訳（メタデータ） (2024-09-02T03:31:08Z)
• HuntFUZZ: Enhancing Error Handling Testing through Clustering Based Fuzzing [19.31537246674011]
  本稿では,SFIベースのファジィフレームワークであるHuntFUZZを紹介する。 我々はHuntFUZZを42のアプリケーションで評価し、HuntFUZZは162の既知のバグを明らかにし、そのうち62のバグはエラー処理に関連している。
  論文  参考訳（メタデータ） (2024-07-05T06:58:30Z)
• Is Stateful Fuzzing Really Challenging? [0.0]
  我々は、ステートフルなファジィザを考案し、ベンチマークすることが難しい理由について論じる。 ファジィングはソフトウェアの脆弱性を見つけるのに非常に効果的であることが証明されている。
  論文  参考訳（メタデータ） (2024-06-11T08:58:59Z)
• The Third Monocular Depth Estimation Challenge [134.16634233789776]
  本稿では,モノクロ深度推定チャレンジ(MDEC)の第3版の結果について述べる。 この課題は、自然と屋内の複雑なシーンを特徴とする、挑戦的なSynS-Patchesデータセットへのゼロショットの一般化に焦点を当てている。 挑戦者は17.51%から23.72%の3D Fスコアのパフォーマンスを大幅に改善した。
  論文  参考訳（メタデータ） (2024-04-25T17:59:59Z)
• The STOIC2021 COVID-19 AI challenge: applying reusable training methodologies to private data [60.94672667514737]
  本研究は、プライベートデータ上でのトレーニングソリューションを可能にするType Three (T3)チャレンジフォーマットを実装した。 T3では、チャレンジオーガナイザが参加者の提供するトレーニングデータに基づいてトレーニングを行う。 勝利解は、重篤なCOVID-19と非重症なCOVID-19(0.815)の鑑別のために、受信機動作特性曲線の下にある領域を得た。
  論文  参考訳（メタデータ） (2023-06-18T05:48:28Z)
• SYN-MAD 2022: Competition on Face Morphing Attack Detection Based on Privacy-aware Synthetic Training Data [8.020790315170853]
  バイオメトリックス国際会議(IJCB 2022)におけるプライバシ・アウェア・シンセティック・トレーニングデータ(SYN-MAD)に基づく顔モフティング攻撃検出コンペティションの概要を述べる。 この大会には、学界と産業の両方から合計12の参加チームが参加し、11カ国で開催されている。 最終的に7つの有効な申請が参加チームによって提出され、主催者によって評価された。
  論文  参考訳（メタデータ） (2022-08-15T17:06:55Z)
• OCFR 2022: Competition on Occluded Face Recognition From Synthetically Generated Structure-Aware Occlusions [11.360543538677916]
  IJCB-OCFR-2022(IJCB-OCFR-2022)は、生体認証に関する国際合同会議(IJCB 2022)によって採択された。 このコンペティションは、厳しい顔のオクルージョンの存在下での顔認識の課題に対処するために開催された。 この競合の主な成果は、明確に定義された評価プロトコルを備えた、挑戦的で、現実的で、多様で、公開されていない顔認識ベンチマークである。
  論文  参考訳（メタデータ） (2022-08-04T16:39:08Z)
• 3D High-Fidelity Mask Face Presentation Attack Detection Challenge [79.2407530090659]
  大規模なHigh-Fidelity Maskデータセット、すなわちCASIA-SURF HiFiMaskが収集された。 我々は,3次元マスクによる攻撃検出の研究を促進するために,3次元高忠実マスク顔提示検出チャレンジを組織した。
  論文  参考訳（メタデータ） (2021-08-16T08:40:12Z)
• Analysing Affective Behavior in the second ABAW2 Competition [70.86998050535944]
  ABAW2 2021コンペティションは、IEEE FG 2020-コンペティションと共同で開催された最初の非常に成功したABAWコンペティションに続く第2回である。
  論文  参考訳（メタデータ） (2021-06-14T11:30:19Z)
• DFGC 2021: A DeepFake Game Competition [58.77039013470618]
  本稿では,DFGC 2021コンペティションの概要を紹介する。 DeepFakeの技術は急速に発展しており、現実的なフェイススワップはますます認知しにくくなっている。 このコンペティションは、現在の最先端のDeepFake生成と検出方法の間の対戦ゲームをベンチマークするための共通プラットフォームを提供する。
  論文  参考訳（メタデータ） (2021-06-02T15:10:13Z)
• Analysing Affective Behavior in the First ABAW 2020 Competition [49.90617840789334]
  ABAW(Affective Behavior Analysis in-the-Wild) 2020コンペティションは、3つの主要な行動タスクの自動分析を目的とした最初のコンペティションである。 アルゼンチンのブエノスアイレスで2020年5月に開催されたIEEE Face and Gesture Recognitionと共同で開催されるこのコンペティションについて説明する。 評価指標を概説し,ベースラインシステムとトップ3の実施するチームの方法論をチャレンジ毎に提示し,その結果を最終的に提示する。
  論文  参考訳（メタデータ） (2020-01-30T15:41:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。