CN119415439A 基于大语言模型的物联网http模糊测试方法 （石家庄铁道大学）

基于大语言模型的物联网HTTP模糊测试方法本发明公开了一种基于大语言模型的物联LLM引导的HTTP协议结构感知：使用提示调整方法来利用LLM对请求数据中的模糊变量进行标来扩展种子库；LLM引导的种子变异以及种子调2种子模板扩展：通过丰富数据包和扩展字段值来扩展种子模板3HTTP协议结构感中采用如下方法提高使用LLM进行协议中变量在运行ChatHTTPFuzz之前，基于种子信息进行静态分析预处理确定路由方法后，使用IDAPython提取与路由信息相关的4第二种，用于确定特定的格式要求；LLM用于识别和扩展请求数据包中字段的格式要ChatHTTPFuzz利用种子模板结构存储通过上述方法获得的扩对于具有数值数据类型的字段，变异操作将值修改为边界或极端情况，以对于历史成功变异模板，采用基于汤普森采样的种子选择算法，该5Infok=(sok,sx)，其中sok表示奖励为0的尝试次数，S1k表示奖励为1的尝试次数，奖励表示成功触发了新分支或发现了漏洞；基于每个模板在前k轮的表现，后验分布被更新为该因子的核心是优先考虑低调用频率的模板，同时防止测;变异潜力因子用于评估种子模板的潜在变异性，该因子通过比;分子表示当前模板的变异潜力，而分母则代表所有模板中的最大潜引入变异潜力因子Mractor和探索平衡因子Bfactor，通过Mractorp和调整和。6糊测试作为有效的漏洞检测技术，在IoT设备的安全测试中发挥着关键作用。然而，由于[0003]HTTP协议模糊测试是一种通过向目标应用程序发送大量随机或格式错误的数据时必须严格遵守协议规范。对协议固定字段的变异可能会导致许多无法解析的无效数据[0004]本发明所要解决的技术问题是如何提供一种能够提高模糊测试的效率和准确性并增强漏洞检测能力的基于大语言模型的物联网HT7述方法中ChatHTTPFuzz利用LLM的强大解析能力，自动识别HTTP协议数据中的有效变异89[0040]第二种模式是基于文件的路由。在这种方法中，文件系统的结构通常决定URL路逻辑，LLM能够识别这些函数并提取相应的有效字符串集合。这个过程明确了可能的参数[0045]第二种方法专注于确定特定的格式要求。LLM可以用于识别和扩展请求数据包中外，它结合从后端代码中提取的字段值，利用LLM进行进一步的变异。标记的字段经过Radamsa工具的额外变异，以引入更大的随机性和不可预测性，进一步丰富生成的种子数或极大数值以评估系统在极端条件下的行为。段的实际使用情况和取值集合。随后，ChatHTTPFuzz根据包括可能后端字段值的VariationSpace变量执行有针对板调度算法从库中选择需要变异的模板。变异过程基于字段类型及其对应的变异空间进最佳利用。方法基于历史表现更新贝叶斯后验概率，平衡探索新模板与利用先前成功模板之间的关示为Infok=(sok,sx)，其中sok表示奖励为0的尝试次数，S1k表示奖励为1的尝试次数在种子模板选择过程中保持探索与利用之间的平衡对于确保模糊测试的有效性因子通过比较当前模板每个字段的可能值集合与所有模板最大值集合的对数比率来衡量,-影板选择和调度过程。通过引入变异潜力因子(Mractor)和探索平衡因子(Eractor)，该方法潜在变异能力，使算法能够主动考虑某些模板在未来迭代中的潜在价值。另一方面，当Mractor;或的值较高时，它们会增强si的影响，增加某些模板的选择概率。相