Fuzzing ist eine zentrale Technik zur automatisierten Schwachstellenfindung. Doch trotz zahlreicher neuer Ansätze stagniert der praktische Fortschritt. In dieser Dissertation wird der aktuelle Stand der Fuzzing-Forschung kritisch analysiert und es werden strukturelle Ursachen für diese Entwicklung identifiziert. Eine Langzeitstudie zu AFL++ zeigt anhand systematischer Benchmarks über einen Zeitraum von sechs Jahren, dass neue Techniken nicht zu stetigen Verbesserungen führen, sondern teilweise sogar Rückschritte verursachen. Eine Literaturauswertung und Gespräche mit Maintainern verdeutlichen zudem eine wachsende Kluft zwischen Forschung und Praxis. Zudem wird mit Input Shadowing eine algorithmische Begrenzung moderner Fuzzer untersucht und aufgezeigt, dass einfache periodische Neustarts die Exploration und das Auffinden von Fehlern effektiv verbessern. Eine Fallstudie zu proprietären Drohnen veranschaulicht die Grenzen bestehender Fuzzing-Annahmen.
Nico Schiller (Thu,) studied this question.