Buchumschlag

Context-Aware Fuzzing for Robustness Enhancement of Deep Learning Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Haipeng, Wei, Zhengyuan, Zhou, Qilin, Chan, Wing-Kwong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scalable and Precise Patch Robustness Certification for Deep Learning Models with Top-k Predictions
von: Zhou, Qilin, et al.
Veröffentlicht: (2025)

A3Rank: Augmentation Alignment Analysis for Prioritizing Overconfident Failing Samples for Deep Learning Models
von: Wei, Zhengyuan, et al.
Veröffentlicht: (2024)

CrossCert: A Cross-Checking Detection Approach to Patch Robustness Certification for Deep Learning Models
von: Zhou, Qilin, et al.
Veröffentlicht: (2024)

Toward Patch Robustness Certification and Detection for Deep Learning Systems Beyond Consistent Samples
von: Zhou, Qilin, et al.
Veröffentlicht: (2025)

Fuzzing Automatic Differentiation in Deep-Learning Libraries
von: Yang, Chenyuan, et al.
Veröffentlicht: (2023)

DeepGo: Predictive Directed Greybox Fuzzing
von: Lin, Peihong, et al.
Veröffentlicht: (2025)

XMutant: XAI-based Fuzzing for Deep Learning Systems
von: Chen, Xingcheng, et al.
Veröffentlicht: (2025)

MirrorFuzz: Leveraging LLM and Shared Bugs for Deep Learning Framework APIs Fuzzing
von: Ou, Shiwen, et al.
Veröffentlicht: (2025)

MoCo: Fuzzing Deep Learning Libraries via Assembling Code
von: Ji, Pin, et al.
Veröffentlicht: (2024)

Evaluating the Effectiveness of Coverage-Guided Fuzzing for Testing Deep Learning Library APIs
von: Qin, Feiran, et al.
Veröffentlicht: (2025)

LLM-Powered Silent Bug Fuzzing in Deep Learning Libraries via Versatile and Controlled Bug Transfer
von: Zhang, Kunpeng, et al.
Veröffentlicht: (2026)

CREME: Robustness Enhancement of Code LLMs via Layer-Aware Model Editing
von: Liu, Shuhan, et al.
Veröffentlicht: (2025)

MicroFuzz: An Efficient Fuzzing Framework for Microservices
von: Di, Peng, et al.
Veröffentlicht: (2024)

TransferFuzz: Fuzzing with Historical Trace for Verifying Propagated Vulnerability Code
von: Li, Siyuan, et al.
Veröffentlicht: (2024)

Fuzzing MLIR Compilers with Custom Mutation Synthesis
von: Limpanukorn, Ben, et al.
Veröffentlicht: (2024)

The Seeds of the FUTURE Sprout from History: Fuzzing for Unveiling Vulnerabilities in Prospective Deep-Learning Libraries
von: Li, Zhiyuan, et al.
Veröffentlicht: (2024)

LLM-Assisted Model-Based Fuzzing of Protocol Implementations
von: Huang, Changze, et al.
Veröffentlicht: (2025)

Fuzz Smarter, Not Harder: Towards Greener Fuzzing with GreenAFL
von: Ercevik, Ayse Irmak, et al.
Veröffentlicht: (2025)

WuppieFuzz: Coverage-Guided, Stateful REST API Fuzzing
von: Rooijakkers, Thomas, et al.
Veröffentlicht: (2025)

Uses of Active and Passive Learning in Stateful Fuzzing
von: Daniele, Cristian, et al.
Veröffentlicht: (2024)

May the Feedback Be with You! Unlocking the Power of Feedback-Driven Deep Learning Framework Fuzzing via LLMs
von: Yang, Shaoyu, et al.
Veröffentlicht: (2025)

MobFuzz: Adaptive Multi-objective Optimization in Gray-box Fuzzing
von: Zhang, Gen, et al.
Veröffentlicht: (2024)

Learning-Guided Fuzzing for Testing Stateful SDN Controllers
von: Ollando, Raphaël, et al.
Veröffentlicht: (2024)

Program Environment Fuzzing
von: Meng, Ruijie, et al.
Veröffentlicht: (2024)

S$^2$F: Principled Hybrid Testing With Fuzzing, Symbolic Execution, and Sampling
von: Wang, Lianjing, et al.
Veröffentlicht: (2026)

Fuzz4All: Universal Fuzzing with Large Language Models
von: Xia, Chunqiu Steven, et al.
Veröffentlicht: (2023)

Selecting Initial Seeds for Better JVM Fuzzing
von: Gao, Tianchang, et al.
Veröffentlicht: (2024)

DepRadar: Agentic Coordination for Context Aware Defect Impact Analysis in Deep Learning Libraries
von: Gao, Yi, et al.
Veröffentlicht: (2026)

BiFuzz: A Two-Stage Fuzzing Tool for Open-World Video Games
von: Kato, Yusaku, et al.
Veröffentlicht: (2025)

GraphFuzz: Automated Testing of Graph Algorithm Implementations with Differential Fuzzing and Lightweight Feedback
von: Yan, Wenqi, et al.
Veröffentlicht: (2025)

Mut4All: Fuzzing Compilers via LLM-Synthesized Mutators Learned from Bug Reports
von: Wang, Bo, et al.
Veröffentlicht: (2025)

PatchFuzz: Patch Fuzzing for JavaScript Engines
von: Wang, Junjie, et al.
Veröffentlicht: (2025)

Interleaved Learning and Exploration: A Self-Adaptive Fuzz Testing Framework for MLIR
von: Sun, Zeyu, et al.
Veröffentlicht: (2025)

DocTer: Documentation Guided Fuzzing for Testing Deep Learning API Functions
von: Xie, Danning, et al.
Veröffentlicht: (2021)

WFC/WFD: Web Fuzzing Commons, Dataset and Guidelines to Support Experimentation in REST API Fuzzing
von: Sahin, Omur, et al.
Veröffentlicht: (2025)

Large-Scale Empirical Analysis of Continuous Fuzzing: Insights from 1 Million Fuzzing Sessions
von: Shirai, Tatsuya, et al.
Veröffentlicht: (2025)

Feature-Aware Test Generation for Deep Learning Models
von: Chen, Xingcheng, et al.
Veröffentlicht: (2026)

Prompt Fuzzing for Fuzz Driver Generation
von: Lyu, Yunlong, et al.
Veröffentlicht: (2023)

BASFuzz: Towards Robustness Evaluation of LLM-based NLP Software via Automated Fuzz Testing
von: Xiao, Mingxuan, et al.
Veröffentlicht: (2025)

Towards Large Language Model Guided Kernel Direct Fuzzing
von: Li, Xie, et al.
Veröffentlicht: (2025)