山东大学学报(工学版)

作者：朱东晴,张骏温,何莲英,王睿,刘吉强,张大林

单位：1.北京交通大学计算机与信息技术学院, 北京 100044;2.北京交通大学智能系统与安全实验室, 北京 100044;3.北京交通大学网络空间安全学院, 北京 100044

关键词：主动学习,符号执行,路径探索策略,奖励值,

针对符号执行路径爆炸问题,设计一种基于主动学习引导的符号执行路径探索策略(path exploration strategy for symbolic execution based on active learning, ALS)。预测待测状态池中所有状态奖励值,自动标注预测准确的高奖励值状态,反馈给模型以更新预测模型;根据模型性能和预测精度判断是否进入下一轮测试;最后一轮模型更新结束后,部分预测模型将自动进行迭代训练,生成多个子模型,共同用于符号执行的路径探索。试验结果表明,在相同试验条件下,ALS相较其他基线方法往往能够实现更高代码覆盖和分支覆盖率,发现更多未定义行为违规数和真实世界程序漏洞,且其生成测试用例质量较高,用作模糊测试初始种子能发现更多程序路径。

来源：2026年第1期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2026年第1期