Effective Command-line Interface Fuzzing with Path-Aware Large Language Model Orchestration

文章核心总结与创新点

一、主要内容

本文提出了一种名为PILOT（Path-guided, Iterative LLM-Orchestrated Testing）的新型命令行界面（CLI）模糊测试框架，旨在解决现有CLI模糊测试工具难以生成语义丰富的选项组合和输入文件、无法触及深层嵌入式目标函数的问题。

核心目标

• 生成满足语法和语义要求的CLI选项组合，避免仅基于语法解析或文档分析导致的无效配置；
• 自动生成结构合法的输入文件（如含正确头部、编码参数的媒体文件），无需人工预处理；
• 通过路径引导和迭代反馈，提升代码覆盖率，发现深层隐藏的零日漏洞。

技术流程

1. 环境初始化：调用LLM识别并配置原生命令行工具，用于生成语义合法的输入文件；
2. 目标函数选择：基于调用图的中心性指标（如介数中心性、PageRank）自适应选择高优先级目标函数，最大化有限Token预算下的覆盖率；
3. 路径引导提示：通过静态代码分析提取从主函数到目标函数的潜在调用路径，作为上下文提供给LLM，辅助生成有效测试用例；
4. 迭代优化：执行生成的测试用例，分析代码覆盖率，将已覆盖函数作为反馈重新查询LLM，迭代优化选项组合和输入文件；
5. 种子提取