基于大语言模型的模糊测试驱动程序生成系统
知识产权简介
本发明提供了一种基于大语言模型的模糊测试驱动程序自动化生成方法，包括约束分析模块、初始程序生成模块、验证分析与决策模块以及修复迭代模块。其中，系统整体采用模块化流水线的设计思路，实现模糊测试驱动程序的自动化生成、验证与修复过程。
转化前景
随着自动化代码生成技术的发展，已有研究尝试借助大语言模型生成针对深度学习框架的测试程序，以降低人工投入的成本。然而，这类方式生成的测试代码通常在生成阶段即固定其逻辑结构和输入模式，缺乏与模糊测试引擎协同演化的能力，难以在持续测试过程中充分探索程序状态空间。与此同时，频繁依赖外部模型生成新的测试代码，也会带来额外的计算与交互开销，限制其在实际工程环境中的可扩展性。在减少人工参与的前提下，自动生成能够长期复用、并与模糊测试引擎高效协同的深度学习库接口测试驱动程序仍是当前人工智能基础软件安全测试领域亟待解决的关键问题。这一问题的有效解决，对于提升深度学习库的可靠性与安全性，保障人工智能应用的稳定运行，具有重要的现实意义和应用价值。