paperbot · PL 论文追踪

全部论文 待读 收藏

P2 DeFault

DeFault
ICSE Proceedings of the 44th International Conference on Software Engineering2022匹配度 2/10 · 论文聚焦模糊测试产生崩溃后的快速分诊与根因定位，属于软件测试/调试方向，与用户关注的静态分析、LLM/Agent 改进程序分析、浮点程序分析及贝叶斯程序分析均无直接交集。仅在广义 PL/SE 工程实践上相邻，因此匹配度较低。引用 7 inbox
Xing Zhang, Jiongyi Chen, Chao Feng, Ruilin Li, Wenrui Diao, Kehuan Zhang, Jing Lei, Chaojing Tang
测试、调试与修复
crossref: 2026-09-12dblp: 2026-09-12

AI 速览

一句话：提出 DeFault，旨在实现大规模崩溃场景下快速、忠实且高效的分诊。

现代模糊测试基础设施在漏洞发现上取得显著成功，随之产生数量空前的崩溃样本。为定位根因，对大量崩溃进行快速且忠实的崩溃分诊（crash triage）一直是重要目标。然而，实际中很难在降低分析不精确性的同时不牺牲效率，因此该目标尚未实现。论文 DeFault 聚焦这一精度与效率的权衡，围绕大规模崩溃分诊展开。摘要仅给出问题背景与动机，未披露具体方法、系统设计与实验评估；从标题推断，DeFault 应是面向崩溃分诊的系统或技术。

问题
现代模糊测试会产生海量崩溃，需快速且忠实地进行崩溃分诊以定位根因。
方法
摘要未给出具体方法；论文 DeFault 针对降低分析不精确性而不牺牲效率这一难题。
评估
摘要未给出评估细节；其目标场景是大规模崩溃的分诊。
原文摘要（Abstract）

With the considerable success achieved by modern fuzzing infrastructures, more crashes are produced than ever before. To dig out the root cause, rapid and faithful crash triage for large numbers of crashes has always been attractive. However, hindered by the practical difficulty of reducing analysis imprecision without compromising efficiency, this goal has not been accomplished.

链接与引用

DOI 原文 · DBLP

BibTeX 
@inproceedings{ZhangCFLDZ0T22,
  title = {DeFault},
  author = {Xing Zhang and Jiongyi Chen and Chao Feng and Ruilin Li and Wenrui Diao and Kehuan Zhang and Jing Lei and Chaojing Tang},
  booktitle = {ICSE},
  year = {2022},
  doi = {10.1145/3510003.3512760}
}