論文の概要: MobFuzz: Adaptive Multi-objective Optimization in Gray-box Fuzzing
- arxiv url: http://arxiv.org/abs/2401.15956v1
- Date: Mon, 29 Jan 2024 08:41:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-01 17:08:41.144739
- Title: MobFuzz: Adaptive Multi-objective Optimization in Gray-box Fuzzing
- Title(参考訳): mobfuzz:グレーボックスファジングにおける適応型多目的最適化
- Authors: Gen Zhang, Pengfei Wang, Tai Yue, Xiangdong Kong, Shan Huang, Xu Zhou,
Kai Lu
- Abstract要約: マルチオブジェクト最適化(MOO)のためのグレーボックスファズーであるMobFuzzを提案する。
実験の結果、MobFuzzは最適な目的の組み合わせを選択し、複数の目標の値を最大107%増やすことができることがわかった。
MobFuzzは、プログラムカバレッジが最大6%増加し、ベースラインファズーよりも3倍ユニークなバグが見つかった。
- 参考スコア(独自算出の注目度): 24.593488702243135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coverage-guided gray-box fuzzing (CGF) is an efficient software testing
technique. There are usually multiple objectives to optimize in CGF. However,
existing CGF methods cannot successfully find the optimal values for multiple
objectives simultaneously. In this paper, we propose a gray-box fuzzer for
multi-objective optimization (MOO) called MobFuzz. We model the multi-objective
optimization process as a multi-player multi-armed bandit (MPMAB). First, it
adaptively selects the objective combination that contains the most appropriate
objectives for the current situation. Second, our model deals with the power
schedule, which adaptively allocates energy to the seeds under the chosen
objective combination. In MobFuzz, we propose an evolutionary algorithm called
NIC to optimize our chosen objectives simultaneously without incurring
additional performance overhead. To prove the effectiveness of MobFuzz, we
conduct experiments on 12 real-world programs and the MAGMA data set.
Experiment results show that multi-objective optimization in MobFuzz
outperforms single-objective fuzzing in the baseline fuzzers. In contrast to
them, MobFuzz can select the optimal objective combination and increase the
values of multiple objectives up to 107%, with at most a 55% reduction in the
energy consumption. Moreover, MobFuzz has up to 6% more program coverage and
finds 3x more unique bugs than the baseline fuzzers. The NIC algorithm has at
least a 2x improvement with a performance overhead of approximately 3%.
- Abstract(参考訳): Coverage-Guided gray-box fuzzing (CGF) は効率的なソフトウェアテスト手法である。
通常、CGFの最適化には複数の目的がある。
しかし、既存のCGF法では、複数の目的に対して最適な値を同時に見つけることはできない。
本稿では,MobFuzzと呼ばれる多目的最適化(MOO)のためのグレーボックスファザを提案する。
我々はマルチプレイヤー・マルチアーム・バンディット(mpmab)として多目的最適化プロセスをモデル化する。
まず、現在の状況に対して最も適切な目的を含む目的の組み合わせを適応的に選択する。
第2に,選択した目的の組み合わせの下で種子にエネルギーを適応的に割り当てる電力スケジュールをモデルとして扱う。
MobFuzzでは、NICと呼ばれる進化的アルゴリズムを用いて、追加のパフォーマンスオーバーヘッドを発生させることなく、選択した目的を同時に最適化する。
MobFuzzの有効性を証明するため,実世界の12のプログラムとMAGMAデータセットの実験を行った。
実験結果から,MobFuzzの多目的最適化はベースラインファジィにおける単目的ファジィよりも優れていた。
それとは対照的に、mobfuzzは最適な目的の組み合わせを選択し、複数の目的の値を最大107%まで増加させ、少なくともエネルギー消費量を55%削減できる。
さらにmobfuzzは、最大6%のプログラムカバレッジがあり、ベースラインのfuzzersよりも3倍ユニークなバグがある。
NICアルゴリズムは少なくとも2倍の改善があり、性能オーバーヘッドは約3%である。
関連論文リスト
- MADA: Meta-Adaptive Optimizers through hyper-gradient Descent [76.80594193051837]
メタ適応(MADA)は、複数の既知の知識を一般化し、トレーニング中に最も適した知識を動的に学習できる統合フレームワークである。
我々は、CNN、ResNet、GPT-2モデルをトレーニングするために、視覚および言語タスクに関する他の人気のあるGradsとMADAを比較した。
MADAは、他の人気のあるGradsがGPT-2トレーニングで行なっているAdamよりも3倍のバリデーションパフォーマンスが得られます。
論文 参考訳(メタデータ) (2024-01-17T00:16:46Z) - qPOTS: Efficient batch multiobjective Bayesian optimization via Pareto
optimal Thompson sampling [0.0]
多目的最適化を解くためのサンプル効率のアプローチはプロセス・オラクル・サロゲート (GP) を経由する。
本稿では,ランダムGPサンプルのフロンティアから新しい候補を選択する,単純かつ効果的なトンプソンサンプリングに基づくアプローチを提案する。
提案手法は, 実世界の実験だけでなく, 精度, 計算効率の両面において, 高い実験性能を示すものである。
論文 参考訳(メタデータ) (2023-10-24T12:35:15Z) - Parallel Multi-Objective Hyperparameter Optimization with Uniform
Normalization and Bounded Objectives [5.94867851915494]
これらの問題に対処する多目的ベイズ最適化(MoBO)アルゴリズムを提案する。
不要な構成の探索を避けるため、目的に制約を課すことで、アプローチの効率を向上する。
最後に、MoBOを並列化するアプローチを活用し、16倍のワーカーを使用する場合、5倍のスピードアップをもたらす。
論文 参考訳(メタデータ) (2023-09-26T13:48:04Z) - Large-Batch, Iteration-Efficient Neural Bayesian Design Optimization [26.59961454274655]
本稿では,BOの限界に対処するための新しいベイズ最適化フレームワークを提案する。
我々の重要な貢献は、高度にスケーラブルでサンプルベースの取得機能であり、非支配的な目的のソートを実行する。
我々は,ベイズ型ニューラルネットワークサロゲートと組み合わせることで,最小限の反復数でデータ集約環境に有効であることを示す。
論文 参考訳(メタデータ) (2023-06-01T19:10:57Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate
ranks [49.85896045032822]
非支配解と最高多変量階との自然な関係を示し、これは合同累積分布関数(CDF)の最外層線と一致する。
我々はCDFインジケータに基づくBOtiedと呼ばれる取得関数を提案する。
論文 参考訳(メタデータ) (2023-06-01T04:50:06Z) - Multi objective Fitness Dependent Optimizer Algorithm [19.535715565093764]
本稿では、最近導入されたフィットネス依存型(FDO)の多目的変種を提案する。
このアルゴリズムはMOFDO(Multi objective Fitness Dependent)と呼ばれ、FDOのように5種類の知識(situational, normative, topographical, domain, historical knowledge)を備えている。
提案アルゴリズムは,多種多様な分散可能な実現可能解を提供することで,意思決定者がより適用可能な快適な選択をすることができる。
論文 参考訳(メタデータ) (2023-01-26T06:33:53Z) - Multi-Objective GFlowNets [59.16787189214784]
本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。
薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。
GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
論文 参考訳(メタデータ) (2022-10-23T16:15:36Z) - A Large-scale Multiple-objective Method for Black-box Attack against
Object Detection [70.00150794625053]
我々は、真正の確率を最小化し、偽正の確率を最大化し、より多くの偽正の物体が新しい真正の有界箱を作らないようにする。
我々は、GARSDCと呼ばれるランダム・サブセット選択とディバイド・アンド・コンカーによる標準的な遺伝的アルゴリズムを拡張し、効率を大幅に改善する。
最先端攻撃法と比較して、GARSDCはmAPでは平均12.0、広範囲な実験ではクエリでは約1000倍減少する。
論文 参考訳(メタデータ) (2022-09-16T08:36:42Z) - Optimizer Amalgamation [124.33523126363728]
私たちは、Amalgamationという新しい問題の研究を動機付けています。"Teacher"アマルガメーションのプールを、より強力な問題固有のパフォーマンスを持つ単一の"学生"にどのように組み合わせるべきなのでしょうか?
まず、勾配降下による解析のプールをアマルガメートする3つの異なるメカニズムを定義する。
また, プロセスの分散を低減するため, 目標を摂動させることでプロセスの安定化を図る。
論文 参考訳(メタデータ) (2022-03-12T16:07:57Z) - Online Multi-Object Tracking and Segmentation with GMPHD Filter and
Mask-based Affinity Fusion [79.87371506464454]
本稿では,インスタンス分割結果を入力として利用するMOTS法を提案する。
提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づく。
2つの人気のあるMOTSデータセットの実験では、主要なモジュールがいくつかの改善点を示している。
論文 参考訳(メタデータ) (2020-08-31T21:06:22Z) - Multi-Fidelity Bayesian Optimization via Deep Neural Networks [19.699020509495437]
多くのアプリケーションでは、目的関数を複数の忠実度で評価することで、コストと精度のトレードオフを可能にする。
本稿では,DNN-MFBO(Deep Neural Network Multi-Fidelity Bayesian Optimization)を提案する。
本手法の利点は, 総合的なベンチマークデータセットと, 工学設計における実世界の応用の両方にある。
論文 参考訳(メタデータ) (2020-07-06T23:28:40Z)
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。