本文是LLM系列文章，针对《Large Language Models Based Fuzzing Techniques: A Survey》的翻译。
基于大型语言模型的模糊化技术综述
摘要
在软件发挥关键作用的现代，软件安全和漏洞分析已成为软件开发的关键。模糊测试作为一种高效的软件测试方法，广泛应用于各个领域。此外，大型语言模型（LLM）的快速发展促进了它们在软件测试领域的应用，表现出了显著的性能。考虑到现有的模糊测试技术并不是完全自动化的，软件漏洞也在不断演变，使用基于大型语言模型生成的模糊测试的趋势越来越大。这项调查提供了融合LLM和模糊测试的软件测试方法的系统概述。在本文中，通过总结截至2024年的最先进方法，对LLM、模糊测试和基于LLM生成的模糊测试三个领域的文献进行了统计分析和讨论。我们的调查还调查了LLM生成的模糊测试技术在未来广泛部署和应用的潜力。