論文の概要: DynamiQ: Unlocking the Potential of Dynamic Task Allocation in Parallel Fuzzing
- arxiv url: http://arxiv.org/abs/2510.04469v2
- Date: Tue, 07 Oct 2025 03:59:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-08 13:19:51.486556
- Title: DynamiQ: Unlocking the Potential of Dynamic Task Allocation in Parallel Fuzzing
- Title（参考訳）: DynamiQ:並列ファジィにおける動的タスク割り当ての可能性の解錠
- Authors: Wenqi Yan, Toby Murray, Benjamin I. P. Rubinstein, Van-Thuan Pham,
- Abstract要約: 我々は,動的かつ適応的な並列ファズリングをサポートするAFLTeamの完全かつ最適化された後継であるDynamiQを提案する。
DynamiQはプログラムのコールグラフからの構造情報を活用してタスクを定義し、実行時のフィードバックを使ってタスク割り当てを継続的に洗練する。
OSS-FuzzとFuzzBenchの12の現実世界のターゲットを25,000CPU時間で評価し、DynamiQはコードカバレッジと脆弱性発見の両方で最先端の並列ファズアを上回ります。
- 参考スコア（独自算出の注目度）: 18.082974145476843
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present DynamiQ, a full-fledged and optimized successor to AFLTeam that supports dynamic and adaptive parallel fuzzing. Unlike most existing approaches that treat individual seeds as tasks, DynamiQ leverages structural information from the program's call graph to define tasks and continuously refines task allocation using runtime feedback. This design significantly reduces redundant exploration and enhances fuzzing efficiency at scale. Built on top of the state-of-the-art LibAFL framework, DynamiQ incorporates several practical optimizations in both task allocation and task-aware fuzzing. Evaluated on 12 real-world targets from OSS-Fuzz and FuzzBench over 25,000 CPU hours, DynamiQ outperforms state-of-the-art parallel fuzzers in both code coverage and vulnerability discovery, uncovering 9 previously unknown bugs in widely used and extensively fuzzed open-source software.
- Abstract（参考訳）: 我々は,動的かつ適応的な並列ファズリングをサポートするAFLTeamの完全かつ最適化された後継であるDynamiQを提案する。
個々のシードをタスクとして扱う既存のアプローチとは異なり、DynamiQはプログラムのコールグラフからの構造情報を活用してタスクを定義し、実行時のフィードバックを使ってタスク割り当てを継続的に洗練する。
この設計は、冗長な探索を著しく削減し、大規模なファジリング効率を向上させる。
最先端のLibAFLフレームワーク上に構築されたDynamiQは、タスク割り当てとタスク認識ファズリングの両方において、いくつかの実用的な最適化を取り入れている。
OSS-FuzzとFuzzBenchの12の現実世界のターゲットを25,000CPU時間で評価し、DynamiQはコードカバレッジと脆弱性発見の両方において最先端の並列ファズアを上回り、広く使用され、広くファズされたオープンソースソフトウェアで9つの既知のバグを発見した。
関連論文リスト
- Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [96.50160784402338]
動的ポイントクラウド圧縮のためのFMT(Motion Transformation Feature)フレームワークを提案する。
FMTは明示的な運動ベクトルを連続時間変動を暗黙的にモデル化するアライメント戦略に置き換える。
本手法は, 符号化効率と復号効率の両方でD-DPCCおよびAdaDPCCを上回り, 20%, 9.4%のBD-Rate還元を達成する。
論文 参考訳（メタデータ） (2025-09-18T03:51:06Z) - Sliding Window Attention Training for Efficient Large Language Models [55.56483740523027]
SWATを導入し,スライディングウインドウ・アテンション・トレーニング(Sliding Window Attention Training)を用いて,より効率的な長文処理を実現する。
本稿ではまず,変圧器の非効率性を注目シンク現象とみなす。
我々は、ソフトマックスをシグモイド関数に置き換え、効率的な情報圧縮と保持のためにバランスの取れたALiBiとRotary Position Embeddingを利用する。
論文 参考訳（メタデータ） (2025-02-26T05:31:44Z) - Birdie: Advancing State Space Models with Reward-Driven Objectives and Curricula [23.071384759427072]
状態空間モデル(SSM)はトランスフォーマーよりも利点があるが、長期のコンテキスト内検索のようなテキストコピー、連想リコール、質問応答を必要とするタスクに苦労する。
本研究では,SSMのコンテキスト内検索能力を大幅に向上する新たな学習手法であるBirdieを提案する。
論文 参考訳（メタデータ） (2024-11-01T21:01:13Z) - Dynamic Perceiver for Efficient Visual Recognition [87.08210214417309]
特徴抽出手順と早期分類タスクを分離する動的知覚器(Dyn-Perceiver)を提案する。
特徴ブランチは画像の特徴を抽出し、分類ブランチは分類タスクに割り当てられた遅延コードを処理する。
早期出口は分類枝に限られており、低レベルの特徴において線形分離性は不要である。
論文 参考訳（メタデータ） (2023-06-20T03:00:22Z) - FAMO: Fast Adaptive Multitask Optimization [48.59232177073481]
本稿では,動的重み付け手法であるFast Adaptive Multitask Optimization FAMOを導入する。
この結果から,FAMOは最先端の勾配操作技術に匹敵する,あるいは優れた性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2023-06-06T15:39:54Z) - DyTox: Transformers for Continual Learning with DYnamic TOken eXpansion [89.92242000948026]
本稿では,専用エンコーダ/デコーダフレームワークに基づくトランスフォーマアーキテクチャを提案する。
特別なトークンを動的に拡張することで、タスク分布上でデコーダネットワークの各前方を特殊化する。
私たちの戦略は、無視可能なメモリと時間オーバーヘッドを抱えながら、多数のタスクにスケールします。
論文 参考訳（メタデータ） (2021-11-22T16:29:06Z)
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。