Details

Целью работы является поиск уязвимостей и дефектов программного обеспечения. Предметом исследования являются современные методы автоматизированного поиска программных дефектов в программном обеспечении. Задачи, решаемые в ходе исследования: 1) исследовать современные методы фаззинга ПО и существующие подходы к применению машинного обучения в фаззинге при тестировании масштабируемых программных систем; 2) определить требования к архитектуре интеллектуального фаззера; 3) разработать многоагентную архитектуру нейросетевого фаззинга с разделением ролей агентов; 4) разработать механизм управления стратегиями генерации тестовых воздействий; 5) реализовать прототип многоагентного нейросетевого фаззера и оценить его преимущества в сравнении с существующими решениями. В ходе работы была исследована архитектура и реализация многоагентных фаззеров с использованием машинного обучения. Были проанализированы современные исследования в области тестирования программного обеспечения методом фаззинга.

The purpose of the work is automated detection of software vulnerabilities and defects using a multi-agent intelligent fuzzing method. The subject of the research is modern methods of automated software defect detection. The research set the following goals: 1) to study modern software fuzzing methods and existing approaches to applying machine learning in fuzzing when testing scalable software systems; 2) to define requirements for the architecture of an intelligent fuzzer; 3) to develop a multi-agent intelligent fuzzing architecture with agent role distribution; 4) to develop a mechanism for managing test input generation strategies; 5) to implement a prototype of a multi-agent intelligent fuzzer and evaluate its advantages compared to existing solutions. During the work the architecture and implementation of multi-agent fuzzers using machine learning were studied. Modern research in the field of software fuzzing testing was analysed. The work resulted in development of a multi-agent intelligent fuzzer with agent role distribution, and its effectiveness compared to existing solutions was demonstrated. The obtained results can be used as a basis for designing dynamic software analysis systems aimed at automated vulnerability and defect detection.