이 논문은 퍼징 테스팅에 근사 베이지안 계산(ABC)을 적용하는 실험과 분석을 제공한다. 퍼징 테스팅은 소프트웨어의 예기치 않은 동작과 취약점을 발견하기 위해 무작위로 입력을 생성하고 실행하는 기법이다. 그러나 가능한 입력 조합이 무한하기 때문에 모든 경우를 테스트하는 것은 실현 불가능하다.
ABC는 베이지안 시뮬레이션의 한 형태로, 이 문제를 해결하기 위한 새로운 확률적 접근 방식을 제시한다. 저자는 순차 몬테카를로(SMC) 시뮬레이션과 마르코프 체인 몬테카를로(MCMC) 시뮬레이션의 수동 구현을 통해 실험을 수행했다.
SMC 알고리즘은 퍼징 테스트 함수의 통과 비율을 크게 향상시켰지만, MCMC 알고리즘은 그렇지 않았다. 이는 초기 매개변수 설정과 우도 함수 정의가 중요한 역할을 하기 때문이다.
향후 연구에서는 보다 엄격한 테스트 환경과 다양한 퍼징 테스트 문제에 ABC 기법을 적용하는 것이 필요할 것으로 보인다. 이를 통해 사이버 보안 분야에서 ABC의 활용 가능성을 더 깊이 있게 탐색할 수 있을 것이다.
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies