Proj CDeepFuzz Paper Reading: Large Language Models are Edge-Case Fuzzers: Testing Deep Learning Libraries via FuzzGPT
Abstract
背景：
- 深度学习库需要满足编程语言的语法、语义需求，也需要满足valid computational graphs的tensor/operator constraints
- LLM倾向于生成普通正常的程序，但是模糊测试则需要异常模式
- 历史错误可能更有价值
本文：FuzzGPT
Task: fuzzing deep learning libraries
目的：通过学习历史错误，使用大模型自动生成语法、语义有效的异常模式下的测试程序
基础模型：Codex，CodeGen
实验：
测试对象：PyTorch, TensorFlow
效果：
- 检测到76个错误，49个已确认，11个高优先级错误或者安全漏洞