ISSTA（CCF A）（共 617 篇）
202534 篇 · Proceedings of the 34th ACM SIGSOFT International Symposium on Software Testing and Analysis
论面向 Android 恶意软件分析的代码 LLM 基准评测
系统评测代码大模型在 Android 恶意软件分析中的能力，揭示反编译恶意代码带来的独特挑战。
BugsInDLLs：面向深度学习库测试技术系统评估的可复现缺陷数据库
构建覆盖JAX、TensorFlow、PyTorch的112个可复现缺陷环境数据库，支撑深度学习库测试技术评估。
Kitten：用于评估基于 LLM 的编译器测试技术的简单有效基线
提出 Kitten，一个简单有效的基线，用于评估基于 LLM 的编译器测试技术。
面向多语言漏洞检测的大型语言模型初步研究
初步评估 PLM 与大语言模型在七种编程语言上的漏洞检测效果，发现 CodeT5P 表现最佳。
从大型语言模型到对抗性恶意软件：我们还有多远
将思维链融入马尔可夫过程驱动 LLM 生成对抗性恶意软件，在 12 款杀毒引擎上平均逃逸率达 89.92%。
重新审视静态分析错误轨迹与动态符号执行的结合：一种真阳性确认的潜在方法（注册报告）
复现并扩展用静态分析错误轨迹引导动态符号执行确认告警的工作，显著提升其消假阳性性能。
FuseApplyBench：面向可信代码编辑应用任务的多语言基准
提出多语言基准 FuseApplyBench，系统评估 LLM 在代码编辑应用中的三类错误，并给出经微调的 FuseApply 模型。
GoPV：一种用于发现 Go 中因共享内存同步误用导致的阻塞并发缺陷的静态分析器
GoPV 静态分析器基于调用图与（后）支配者分析，检测 Go 程序中共享内存同步误用导致的阻塞并发缺陷。
把不变式分析带入现代 IDE：面向 VS Code 的 DIG+ 扩展
为 VS Code 构建 DIG+ 扩展，将不变式分析集成到现代 IDE，降低传统工具的使用门槛。
TBFV4J：一个基于测试的 Java 程序自动形式验证工具
实现 TBFV4J 工具，将基于规约的测试与形式验证结合，使 Java 程序无需手工推导循环不变式即可自动验证。
反转程序以进行错误可达性分析
提出将 C 程序反转的技术，使现有前向可达性分析方法能反向执行，以更高效地分析错误位置可达性。
InfraFix：与技术无关的基础设施即代码修复
首个技术无关的 IaC 自动修复框架，支持多源信息引导修复，并生成大规模修复场景进行评估。
ReGraph：一种用于二进制相似性识别的工具
提出 ReGraph 框架，高效跨架构与优化级别比较二进制函数，速度比 NLP 方法快 700 倍且精度相当。
ASTRAL：面向大语言模型自动化安全测试的工具
提出 ASTRAL，一个自动生成并执行测试提示、以评估大语言模型安全性的工具。
大语言模型供应链：安全视角的开放问题
首次系统梳理大语言模型供应链各组件及其集成中的安全风险，总结出12类风险并给出构建更安全LLM系统的指引。
LiPSBOMaker：多阶段 Linux 发行版软件包 SBOM 生成器原型
提出多阶段 SBOM 模型并实现 Linux 发行版软件包 SBOM 生成工具，效果优于现有工具。
MQueez：面向 MQTT Broker 的规范驱动模糊测试（注册报告）
提出规范驱动、字段感知的 MQTT broker 模糊测试方法，以生成满足协议约束且优先高风险字段的测试用例。
PatchScope——用于标注与分析贡献的模块化工具
提出模块化工具 PatchScope，通过可定制规则自动标注代码行并分析软件贡献。
个性化模糊测试：以 FANDANGO 模糊器在 GNSS 模块上的案例研究（短文）
展示约束引导的语法模糊器 FANDANGO 能生成100%合法且针对性强的输入，在 GNSS 模块上暴露潜在弱点。
基础设施即代码程序的混合模糊测试（短文）
提出 HIT 单元测试框架，将模糊测试与 concolic execution 结合，用于 IaC 程序的资源状态相关测试。
面向零知识证明电路的模糊测试（短文）
探讨零知识证明电路模糊测试的挑战，提出输入生成与测试框架技术，并在 zk-regex 中发现 13 个新 bug。
Code2API：从 Stack Overflow 代码片段生成可复用 API 的工具
提出 Code2API，用大语言模型结合思维链与少样本提示，自动将 Stack Overflow 代码片段转化为可复用 API。
论本福德定律在检测模糊测试饱和中的适用性（注册报告）
提出基于本福德定律检测模糊测试饱和点的方法，并在AFL++上验证其可行性。
LLM 辅助医疗应用供应链的最佳实践
提出梳理 LLM 辅助医疗应用供应链中的软件最佳实践，以促进安全、负责任的医疗应用交付。
TestFlow：通过多步强化学习推进移动 UI 测试
TestFlow 结合监督微调与任务感知强化学习，提升移动 UI 复杂多步测试的完成率与可靠性。
Shepherd：面向响应引导黑盒模糊测试的高精度覆盖率推断（注册报告）
提出 Shepherd，用高精度字符串匹配与上下文分析推断黑盒模糊测试的覆盖率，显著提升估计准确率。
面向零知识智能合约的源映射：设计与初步评估
提出在 zkSolc 编译管线中建立 Solidity 源码、LLVM IR 与 zkEVM 字节码之间可追溯源映射的初步框架。
Trailblazer：实用的端到端 Web API 模糊测试（注册报告）
提出 Trailblazer，在缺乏 API 规格说明时实现端到端 Web API 模糊测试。
XAVIER：基于语法的 XML 注入攻击测试
提出基于语法的测试工具 XAVIER，自动生成 XML 注入负载以检测 Web 服务漏洞。
修补泄漏：增强 CodeLLM 抵御隐私抽取威胁
提出 PI-ALIGN，将 CodeLLM 与 CODEBREAKER 攻击框架对抗配对，用 GRPO 微调重对齐以抵御个人信息抽取。
当低延迟存储系统发生性能故障：观察、预测与解决方案
研究低延迟存储系统中硬件故障引发的性能退化，提出预测与缓解方法，在95/99分位显著提升。
论遗留 Web UI 测试的脆弱性：一个务实的视角
从务实视角重新审视遗留 Web UI 测试脆弱性的根因，并提出框架扩展、自然语言解耦与务实基准三条缓解路径。
COOLer：面向 VS Code 中 COOL 语言的支持扩展
为 VS Code 开发 COOL 语言支持扩展，减轻学生编写与测试 COOL 程序的负担。
一个面向 Kubernetes 测试自动化的云原生工具
提出基于 Go 的 K8STA 工具，利用 Kubernetes 原生 CRD、CR 与 Controller 自动化测试环境搭建、执行与结果收集。
2024170 篇 · Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis
Arfa：一种基于 regime 的敏捷浮点舍入误差优化方法
提出 Arfa，将浮点表达式定义域划分为 regime 并进行重写，以降低舍入误差。
AutoCodeRover：自主程序改进
结合 LLM 与基于 AST 的代码搜索及频谱故障定位，自动解决 GitHub issue 并生成补丁。
基于 DSL 源代码转换的自动化深度学习优化
提出 Adopter，用 DSL 表达 DL 模型与转换规则，自动将 DL kernel 集成到模型中，提升精度召回与训练效率。
它们有多有效？探索基于大语言模型的模糊测试驱动器生成
首个系统性实证研究：大规模评测 LLM 生成 fuzz driver 的有效性、提示策略与工业界差距。
识别 Stack Overflow 代码片段中的智能合约安全问题
提出 SOChecker，首个面向 Stack Overflow 不完整智能合约代码片段的漏洞检测工具，结合微调 Llama2 补全与符号执行。
协作实现仓库级漏洞检测
通过多智能体协作，将基于 LLM 的漏洞检测从函数级扩展到仓库级，应对跨文件的过程间漏洞。
为深度神经网络合成 Boxes 前置条件
提出 PreBoxes 框架，用猜测-检验自动合成 DNN 的 Boxes 充分前置条件，并支持迭代求解更弱条件。
SCALE：为软件漏洞检测构建结构化自然语言注释树
提出 SCALE，用 LLM 注释与 AST 构建结构化注释树，增强预训练模型的软件漏洞检测。
大语言模型用于等价变异体检测：我们进展到哪了？
首个针对等价变异体检测的系统实证研究，表明 LLM 显著优于现有技术，平均 F1 提升 35.69%。
LPR：大语言模型辅助的程序约简
提出首个LLM辅助的跨语言程序缩减技术LPR，结合通用缩减器与语言语义变换，比Vulcan生成更小程序。
测试不稳定的神经符号修复
提出神经符号技术 FlakyDoctor，结合 LLM 的泛化性与程序分析的可靠性，自动修复多种类型的测试不稳定。
大语言模型能够“连点成线”：利用领域知识感知提示探索模型优化缺陷
用领域知识感知提示引导LLM生成测试用例，自动发现深度学习模型优化器中的缺陷。
自动程序修复基准测试：面向真实缺陷与人工缺陷的广泛研究
在统一环境下多维度评测12种APR技术，揭示基于LLM方法的优势、可编译性短板与传统技术的互补性。
基于概率图模型的 API 误用检测
将挖掘出的 API 使用规则建模为概率图模型，用概率表示规则可信度以降低误报与漏报。
面向神经网络回归的认证持续学习
提出认证持续学习，在再训练神经网络时尽可能保持已认证的正确性，并兼顾效用。
面向张量运算的基于搜索的翻译
提出用程序合成与验证自动把通用语言程序翻译为语义等价的张量运算，替代传统模式匹配。
通过对话的自动程序修复：使用 ChatGPT 以每个 0.42 美元修复 337 个缺陷中的 162 个
提出 ChatRepair，首个全自动对话驱动 APR 方法，利用 ChatGPT 结合测试反馈迭代生成补丁，显著提升修复效果并降低成本。
基于覆盖率引导强化学习与LLM变异的JavaScript解释器模糊测试
提出CovRL-Fuzz，用覆盖率反馈强化学习引导LLM变异，提升JavaScript解释器模糊测试覆盖与缺陷发现。
深度学习中的互操作性：ONNX 模型转换器的用户调查与失败分析
通过 92 名工程师问卷与 200 个 ONNX 缺陷分析，揭示 DL 模型转换器约 75% 的缺陷集中在节点转换阶段。
Maltracker：由 LLM 增强数据集协同驱动的细粒度 NPM 恶意软件追踪器
Maltracker 以细粒度代码特征与 LLM 增强数据集检测 NPM 恶意包，包级与函数级 F1 分别提升约 12.6% 和 31.0%。
评估反编译器的有效性
系统评测主流反编译器的语义一致性与可读性，揭示其准确率与代码可读性缺陷，并指出改进方向。
AI 程序员就在我们身边：面向高效代码生成重新思考编程语言文法
提出面向 AI 的编程语言文法概念，实现保持 AST 等价的 Python 方言 SimPy，减少 LLM 代码生成 token 用量 10% 以上。
基于操作依赖分析的 MLIR 编译器基础设施模糊测试
利用操作依赖图与依赖覆盖引导变异，提升 MLIR 编译器模糊测试效果并发现 63 个新缺陷。
ESBMC-Python：面向 Python 程序的有界模型检测器
提出首个基于有界模型检测的 Python 程序验证工具，借助类型标注与 SMT 求解器实现自动化验证。
面向更完整约束的深度学习库测试：基于互补集引导的精化
提出互补集引导的约束精化方法，用遗传算法提升深度学习库测试约束完整性。
完全召回？静态调用图到底有多好？
提出用动态基线近似真值并结合覆盖引导模糊测试，评估真实 Java 程序上静态调用图的质量。
通过学习可微迹检查来检验 LTL 可满足性并生成迹
提出可微神经网络方法 VSCNet，将 LTL 可满足性检验与可满足迹生成（SAT-and-GET）统一为神经推理，兼顾精度与效率。
FixCheck：一种改进补丁正确性分析的工具
结合静态分析、随机测试与大语言模型，为可能过拟合的补丁生成并排序能揭示缺陷的测试用例。
过程间路径复杂度分析
提出 APC-IP 算法，高效计算过程间函数的渐近路径复杂度，并预测符号执行的路径爆炸。
CLAP：以自然语言监督学习可迁移的二进制代码表示
提出 CLAP，用自然语言监督对齐汇编代码与语义解释，显著提升二进制代码表示的少样本与零样本迁移能力。
CREF：面向编程导师的基于LLM的会话式软件修复框架
提出非爬取基准TutorCode与利用导师指导等增强信息的会话式修复框架CREF，显著提升LLM修复效果。
面向安全代码评审的静态分析工具实证研究
通过815个真实漏洞提交实证评估C/C++ SAST在安全代码评审中的有效性与告警优先级收益。
CEBin：一种面向大规模二进制代码相似性检测的成本高效框架
CEBin 融合嵌入与比较方法，低成本高精度地实现大规模二进制代码相似性检测与漏洞发现。
LLM4Fin：全自动 LLM 驱动的金融科技软件验收测试用例生成
提出 LLM4Fin，将微调 LLM 与算法化场景生成结合，全自动从自然语言业务规则生成高覆盖验收测试用例。
面向漏洞检测的图神经网络：一种反事实解释
提出 CFExplainer，用反事实解释 GNN 漏洞检测，通过最小图扰动揭示漏洞根因。
Face It Yourselves：一种基于 LLM 的两阶段日志配置错误定位策略
提出基于 LLM 的两阶段策略并实现 LogConfigLocalizer，帮助终端用户仅凭日志定位配置错误根因属性。
反馈驱动的 Android 应用整份缺陷报告自动复现
提出 ReBL，利用 GPT-4 与反馈驱动提示从整份缺陷报告文本自动复现 Android 缺陷，无需 S2R 实体。
Guardian：面向基于 LLM 的 UI 探索的运行时框架
提出 Guardian 运行时框架，通过约束 LLM 的 UI 动作空间与失效重规划，提升基于 LLM 的自动 UI 测试有效性。
FT2Ra：一种受微调启发的检索增强代码补全方法
提出 FT2Ra，通过模拟微调中的 delta logits、学习率与多轮检索，实现无需微调的检索增强代码补全。
一刀切并不适用：面向更优自动程序修复的多粒度补丁生成
提出 Mulpor，联合语句、表达式与 token 三个粒度生成补丁并启发式重排序，显著提升自动程序修复效果。
CoderUJB：面向实际编程场景的可执行统一 Java 基准测试
提出可执行、统一的 Java 基准 CoderUJB，含 2239 道题覆盖五类实际编程任务，系统评测大语言模型的编码能力。
UniTSyn：一个可增强大型语言模型程序测试能力的大规模数据集
提出大规模焦点-测试配对数据集 UniTSyn，显著提升 LLM 的单元测试生成准确率与代码覆盖率。
Android 静态分析中调用图的健全性
首次度量 Android 静态分析调用图遗漏动态执行方法的普遍性，并揭示高精度与高不健全相关。
理解 Solidity 编译器中的缺陷
首个系统研究533个Solidity编译器缺陷，并揭示现有模糊测试器的局限。
DiaVio：LLM 赋能的自动驾驶系统仿真测试安全违规诊断
用真实事故报告微调 LLM，并借助碰撞领域特定语言自动诊断仿真测试中安全违规的成因与类别。
自动化硬分叉的零样本补丁移植
提出基于大语言模型的零样本补丁移植方法 PPatHF，通过代码精简与指令微调自动将 Vim 补丁移植到 Neovim。
软件测试中运行时验证开销的深入研究
大规模实证研究测试中运行时验证的开销分布、组成与浪费来源，并揭示离线插桩与跨版本摊销两类加速机会。
SelfPiCo：基于LLM的自引导式部分代码执行
提出 SelfPiCo，用 Code Llama 在交互循环中自引导执行部分代码，显著提升可执行率并检测运行时错误。
Atlas：在 Android 闭源库上自动化跨语言模糊测试
提出 Atlas，为 Android 闭源原生库自动生成跨语言 fuzzing harness 并提供模拟器 Java 运行时，发现大量安全缺陷。
FDI：通过用户反馈通道攻击神经代码生成系统
揭示神经代码生成系统的用户反馈机制可被反馈数据注入攻击，并实现提示注入与后门攻击。
CoEdPilot：基于学习到的先验编辑相关性、项目级感知与交互特性的代码编辑推荐
提出 CoEdPilot，用多 Transformer 预测后续代码编辑的位置与内容，并支持项目级影响和交互式反馈。
可扩展、健全且准确的跳转表分析
提出 SJA，用抽象域跟踪代码指针结构并结合边界分析，实现健全可扩展的二进制跳转表分析，显著降低漏报与错误率。
DAppFL：面向 Web3 去中心化应用的即时故障定位
提出首个 DApp 故障定位工具 DAppFL，结合逆向工程与加密货币流向追踪，在 Top-5 内定位 63% 的故障。
Bridge 与 Hint：为长距离代码扩展预训练语言模型
提出 EXPO 框架，用 Bridge 与 Hint 两种记忆机制增强预训练语言模型对长代码的理解能力。
真实世界中的等价变异体：识别并高效抑制 Java 程序中的等价变异体
对真实 Java 程序中的等价变异体进行实证研究，并提出高效抑制技术 EMS，性能远超 TCE。
Oracle 引导的大语言模型程序选择
提出以 LLM 作为测试 Oracle，通过区分性输入与输出选择提升 LLM 生成代码的正确性。
AsFuzzer：基于错误驱动语法推断的汇编器差分测试
提出利用汇编器错误消息自动推断语法规则并差分测试汇编器的方法与工具 AsFuzzer。
一对一还是一对多？基于类内依赖超图神经网络建议 Extract Class 重构机会
提出 HECS，用类内依赖超图神经网络与 LLM 建模一对多依赖，推荐 Extract Class 重构机会。
SeeWasm：面向 WebAssembly 二进制的高效全功能符号执行引擎
提出高效全功能的 WebAssembly 二进制符号执行引擎 SeeWasm，无需人工干预且提速 2 至 6 倍。
Move 智能合约安全性的实证研究：提出 MoveScan 以增强分析
首个 Move 合约安全实证研究，归纳出八类缺陷并提出自动化检测框架 MoveScan。
基于变异分析的深度神经网络模块分解
提出 Incite，用神经元变异量化贡献并抽取高贡献子图作为模块，适用于分类与回归模型。
基于隔离的神经网络调试
提出 IDNN 框架，通过隔离并冻结最小关键神经元集合来定位并消除神经网络缺陷。
使用 MDPFuzz 进行策略测试（可复现性研究）
复现并重实现 MDPFuzz，扩展用例与基线，发现其覆盖引导并未比消融版本或随机测试找到更多故障。
LENT-SSE：利用已执行与邻近交易进行智能合约推测式符号执行
提出 LENT-SSE，通过已执行与邻近交易跳过/召回 SMT 求解，缓解多交易符号执行路径爆炸。
面向Web表单测试生成的语义约束推断
提出FormNexus，用语义推断与LLM反馈式约束精化自动生成Web表单测试用例，覆盖率达89%。
Calico：面向代码任务的自动化知识校准与缺陷诊断以提升 AI 能力
通过自动化知识校准与反事实缺陷诊断，在免微调、免示例的情况下提升 LLM 的代码任务表现。
面向 WebAssembly 逆向工程的多模态学习
提出首个面向 WebAssembly 逆向工程的多模态预训练语言模型 WasmRev，融合源码、文档与 Wasm，实现免标注预训练与少样本微调。
理解 ROS 中的配置错误：一项实证研究与当前方法
通过分析 ROS Answers 与文献，归纳 ROS 配置错误分类并评估现有检测技术的覆盖缺口。
最好不要一起：上下文无关语言可达性的分阶段求解
提出分阶段求解 CFL 可达性，将文法分解为括号匹配 CFG 与控制/数据流正则文法，大幅加速程序分析。
JCWIT：基于有界模型检测的Java程序正确性见证验证器
提出首个Java正确性见证验证器JCWIT，借助JBMC检验验证器输出见证的可复现性。
静态分析框架中程序表示缺陷的刻画与检测
通过实证研究与蜕变/差分测试，刻画并自动检测静态分析框架的程序表示缺陷。
静默的污点型漏洞修复识别
提出 EarlyVulnFix，利用数据流与依赖分析在漏洞公开披露前识别开源项目中的静默污点型漏洞修复。
部署中深度神经网络的评估：一项比较研究（可复现性研究）
对部署中 DNN 可靠性评估方法进行复现与比较，发现难以复现和比较，并提出统一评估框架。
在静态分析图中寻找割以精简软件
提出在静态分析规则图中寻找有效割的算法，以少量方法复核实现软件去臃肿。
DeLink：二进制中的源文件信息恢复
提出 DeLink 框架，从二进制中恢复源文件结构与文件名，提升逆向工程中的程序理解。
HECS：一种基于超图学习的抽取类重构机会检测系统
提出 HECS，用类内依赖超图与超图神经网络结合大模型，更准确地检测抽取类重构机会。
基于堆不相交性的精确组合式缓冲区溢出检测
引入堆不相交假设，使符号堆位置可强更新，提升缓冲区溢出静态分析的精度与可扩展性。
通过不健全资源分析与 Max-SMT 合成健全且精确的存储成本界
先用不健全静态资源分析获得精确存储成本界，再用 Max-SMT 修正以恢复健全性，用于以太坊 gas 分析。
利用自然语言处理与数据挖掘增强与验证 API
探索用自然语言处理、大语言模型与数据挖掘自动增强和验证 API，以降低缺陷并减少文档负担。
Panda：一种面向基于编译器的工具的并发调度器
提出 Panda，一种独立于编译过程并发调度多种 C/C++ 静态分析工具的调度器，显著缩短总执行时间。
面向提取类重构的图学习
提出用深度类属性图和图神经网络自动识别提取类重构机会，以降低对专家度量的依赖并提升建议精度与适应性。
探索驱动的强化学习用于航空电子系统故障检测（经验论文）
报告用探索驱动的强化学习/进化策略为飞控系统生成多样故障测试用例的工业经验。
对 C/C++11 内存模型的鲁棒性
提出一种证明程序对 C/C++11 内存模型具有鲁棒性的方法，从而可在顺序一致性语义下推理且不牺牲性能。
Unimocg：模块化调用图算法，一致地处理语言特性
提出模块化调用图构建架构 Unimocg，将类型信息计算与调用解析解耦，统一支持多种语言特性并兼容十种调用图算法。
日志解析技术的大规模评估：我们还有多远？
构建大规模标注日志数据集 Loghub-2.0，并重新评估 15 种日志解析器，揭示其实际性能与不足。
ThinkRepair：自导向的自动化程序修复
提出自导向 LLM 修复框架 ThinkRepair，通过自动收集思维链与少样本交互来修复缺陷。
面向基于代码模型的单元测试用例生成的领域自适应
用 CodeT5 微调并做项目级领域自适应，提升单元测试生成覆盖率与变异得分。
何时停止？面向 LLM 高效代码生成的冗余 token 抑制
提出 CodeFast：用轻量模型 GenGuard 及时终止推理，抑制 Code LLM 生成冗余 token，加速 34%–452% 且不损代码质量。
Logos：面向协议实现的日志引导模糊测试
提出非侵入式日志引导的协议模糊测试器 Logos，通过语义覆盖率指导发现协议实现漏洞。
PatchFinder：面向开源软件已披露漏洞的安全补丁追踪的两阶段方法
提出 PatchFinder 两阶段框架，结合混合检索与端到端重排序，自动追踪 CVE 披露漏洞的安全补丁提交。
VioHawk：通过关键性引导的仿真测试检测自动驾驶系统的交通违规
提出 VioHawk，将交通法规形式化为地图危险区域，用确定性变异引导仿真测试，高效触发自动驾驶违规。
CoSec：通过监督式协同解码实现代码大语言模型的即时安全加固
训练小型安全模型与代码 LLM 协同解码，在不访问目标模型内部参数的前提下降低漏洞代码生成率。
DDGF：带路径剖析的动态定向灰盒模糊测试
提出 DDGF，利用路径剖析实现动态内省与动态定向，让用户实时引导模糊测试聚焦选定路径。
Wapplique：通过执行上下文感知的字节码变异测试 WebAssembly 运行时
首个基于 Wasm 字节码变异的模糊测试工具，利用代码片段替换生成多样且合法的测试用例。
NativeSummary：面向 Android 应用跨语言静态分析的原生二进制代码摘要
提出 NativeSummary，通过提取原生二进制语义摘要并转换 JNI/原生调用，实现高精度、可扩展的 Android 跨语言静态分析。
WASMaker：通过语义感知二进制生成对 WebAssembly 运行时进行差分测试
提出 WASMaker，通过反汇编与重组真实 Wasm 二进制生成高质量测试用例，对 Wasm 运行时做差分测试并定位根因。
Ma11y：面向Web无障碍测试的变异框架
提出首个面向Web无障碍测试工具的变异分析框架Ma11y，包含25个变异算子与自动判定oracle。
面向 AR 测试的自动测试预言预测：评估真实场景中的虚拟对象放置质量
提出 VOPA，利用众包标注与混合神经网络自动预测 AR 测试预言，检测虚拟对象放置不精确问题。
实践者对自动化测试生成的期望
通过混合方法调研实践者对自动化测试生成的期望，并与近三年研究对比，指出研究与实践的差距及未来方向。
面向深度神经网络的距离感知测试输入选择
提出 DATIS，利用测试输入与最近邻训练样本及彼此距离选择高故障揭示力的 DNN 测试输入。
Kubernetes Operator 缺陷的实证研究
首次对 36 个 Kubernetes Operator 的 210 个缺陷进行实证研究，揭示其根因、表现、影响与修复方式。
Prospector：通过迭代优先级提升面向大规模目标集合的定向灰盒模糊测试
提出 Prospector，通过迭代聚焦目标与细粒度优先级调度，提升大规模目标集下的定向灰盒模糊测试效率。
FRIES：通过高效的生态系统引导目标生成对 Rust 库交互进行模糊测试
FRIES 遍历编码生态使用模式的加权 API 依赖图并保证所有权合规，高效生成 fuzz target 以测试 Rust 库交互。
面向从缺陷描述自动定位有缺陷的移动应用 UI
首个研究自动化“缺陷 UI 定位”的可行性，比较文本与多模态深度学习技术，并证明其可提升代码定位。
通过回调追踪增强 ROS 系统模糊测试
提出 ROS 系统模糊测试器 R2D2，利用回调追踪与运行时状态引导提升覆盖率并发现漏洞。
基于查询拆解的 Gremlin 图数据库系统测试
提出 QuDi，将 Gremlin 查询拆解为语义等价的原子遍历序列，以自动检测图数据库逻辑缺陷。
CooTest：面向 V2X 通信系统的自动化测试方法
提出首个面向V2X协同感知模块的自动化测试工具CooTest，通过特定蜕变关系与通信/天气变换算子检测错误行为。
基于合成的 GUI 测试用例迁移增强
提出 MigratePro，通过合成多个迁移测试用例生成可直接测试目标功能的 GUI 测试用例，减少人工修改并增强迁移效果。
FastLog：一种高效生成与插入日志语句的端到端方法
FastLog 端到端预测日志插入位置并生成完整日志语句，效率与质量均优于现有方法。
UPBEAT：Q# 量子库的测试输入检查
提出 Upbeat，一种针对 Q# 量子库输入检查缺陷的模糊测试工具，自动生成测试用例并发现 16 个缺陷。
揭示并缓解代码混淆对基于杀毒引擎的数据集标注的影响
本文实证代码混淆会损害杀毒引擎的数据集标注，并筛选抗混淆引擎以提升恶意软件检测性能。
基于可解释性的神经网络修复
提出基于可解释性的 INNER，通过神经元路由定位故障神经元并优化，实现安全公平鲁棒的神经网络修复。
Pods 中的缺陷：理解容器运行时系统中的缺陷
首个对容器运行时系统缺陷的大规模实证研究，建立症状与根因分类并评估测试能力。
基于元模型与不确定性度量的深度神经网络测试选择
提出用元模型融合多种不确定性度量来预测误分类，从而对 DNN 测试输入进行优先级排序。
FunRedisp：重排智能合约中的函数分派以降低调用 Gas 费用
提出字节码重构方法 FunRedisp，通过将热函数前移优化函数分派，降低智能合约调用 Gas 消耗。
重新审视长时间运行测试套件上的测试用例优先级排序
构建首个长时间运行测试套件数据集 LRTS，系统重新评估 59 种测试用例优先级排序技术。
增量构建中的构建依赖错误检测
提出 EChecker，在增量构建中推断并更新实际依赖，无需全量构建即可高效检测缺失/冗余依赖错误。
无模型即最佳模型：生成纯代码实现以替代端侧深度学习模型
提出 CustomDLCoder，自动将端侧 DL 模型转换为无显式模型的定制纯代码程序，兼顾安全与性能。
见森林而非树木：揭示并逃离神经网络测试中错误触发输入的陷阱
揭示 DNN 测试中错误触发输入（ETI）的陷阱，提出以错误的输入变换属性（EP）为导向的测试与修复新范式。
SMBugFinder：面向状态机漏洞的协议实现自动化测试框架
提出黑盒测试框架 SMBugFinder，按漏洞模式自动生成并验证暴露协议状态机缺陷的消息序列。
保留提交产物的构建预测
提出基于 Transformer 的 GitSense，融合提交产物中的文本与统计特征，显著提升 CI 失败构建预测性能。
PolyTracker：全输入动态信息流追踪
在 LLVM 层插桩实现全程序、全输入的动态信息流追踪，输出可后处理的 TDAG 追踪产物。
Datactive: 面向目标检测系统的数据故障定位
提出 Datactive，无需依赖在脏数据集上训练的检测模型预测，即可定位目标检测数据中的错标与漏标故障。
通过专家特征知识增强代码作者归属的鲁棒性
提出基于专家特征知识的浅层神经网络组合框架，提升代码作者归属对抗扰动鲁棒性。
在基于语法的模糊测试中塑造测试输入
综述基于语法的模糊测试局限，并首次将分布采样引入模糊测试以更全面探索输入空间。
BRAFAR：面向编程作业的双向重构、对齐、故障定位与修复
提出BRAFAR，通过双向语义保持重构与由粗到细故障定位，为入门编程作业生成更准确、补丁更小的修复。
Sleuth：一种可切换的双模式模糊测试器，用于在单个 PoC 之后探究缺陷影响
提出可切换双模式模糊测试器 Sleuth，在已有单个 PoC 基础上高效挖掘同一根因引发的多种缺陷影响，并借此发现不完整修复。
使用 Lincheck 和 IntelliJ IDEA 测试 JVM 上的并发算法
为 JVM 并发测试框架 Lincheck 开发 IntelliJ IDEA 插件，支持执行轨迹的记录回放式调试。
定义-使用引导的路径探索以改进强制执行
提出基于定义-使用关系覆盖的路径探索策略与渐进自监督模糊测试，提升强制执行的恶意行为暴露。
用于混合交通场景下自动驾驶车辆测试的 Flexcrash 平台
提出 Flexcrash 平台，通过生成与仿真混合交通场景支持自动驾驶车辆测试。
VRDSynth：为多语言视觉丰富文档信息抽取合成程序
提出程序合成方法 VRDSynth，用新 DSL 与合成算法从多语言视觉丰富文档中抽取实体关系，无需预训练数据即超越 LayoutXLM。
反馈驱动的部分执行
提出反馈驱动的部分执行工具 Incompleter，利用执行错误反馈逐步补全缺失定义，使不完整代码可执行。
FunRedisp：在 Solidity 智能合约中降低调用 Gas 费用的函数重分派工具
提出 FunRedisp，用 TextCNN 预测高频外部函数并将其前移，降低 Solidity 合约调用 Gas。
保持响应性：理解与改进阻塞调用缺陷的调试实践
分析响应式应用中响应性缺陷的修复实践，提出基于模式的阻塞调用缺陷主动修复，并验证性能证据可提高补丁接受率。
C2D2：面向真实世界缺陷的依赖敏感增量调试关键变更提取
提出依赖敏感增量调试方法 C2D2，通过依赖概率与矩阵搜索高效提取真实缺陷的关键变更。
Actor 契约系统的软验证
为分布式 actor 程序提出契约语言并发展软验证技术，以在降低运行时契约检查开销的同时保留契约保障。
Foliage：通过刻画与聚类现场缺陷来滋养演化中的软件
提出面向 JavaScript 现场缺陷的追踪与聚类工具链，通过错误信息增强和语言特征聚类提升缺陷归并效果。
从故障注入到形式验证：信息物理系统故障诊断的整体方法
面向 Simulink CPS 数据流模型，提出从故障注入、定位到变异测试与覆盖准则的整体故障诊断方法。
网络化系统可靠性的自动化测试
提出用故障-攻击注入与网络通信派生模型来自动测试网络化系统可靠性的博士研究方案。
学习软件变更的影响
提出通过学习软件变更所带来的影响，实现跨项目、跨语言的缺陷定位、修复与变更效果预测。
集成变异技术以保持规格与源代码同步
提出集成源代码变异与规格变异，在软件演化中度量并维护规格与代码一致性。
DMMPP：为 Android 应用构造带路径敏感谓词的虚拟主方法
提出首个为 Android 应用生成带路径敏感谓词虚拟主方法的工具 DMMPP，消除不可满足路径并提升符号执行探索。
去中心化近同步的本地优先编程协作
以 CRDT 支撑去中心化近同步编程协作，并研究复制粒度与模仿学习式冲突合并。
基于嵌套属性图的 Java Web 框架数据绑定漏洞自动检测
提出首个 Java Web 框架数据绑定漏洞自动检测工具 DIVER，在 Spring 与 Grails 中发现 81 个漏洞并获 3 个 CVE。
TeX 生成文档中的不一致性
大规模量化 TeX 生态跨引擎/跨版本输出不一致，并用自动化流水线发现 LaTeX 包缺陷。
非平凡系统的质量保障：以 GCC 插件为用例
面向 GCC 插件提出结合静态与动态测试的四层质量保障方法，重点用日志解决白盒测试挑战。
DeFort：DeFi 应用中价格操纵攻击的自动检测与分析
提出 DeFort 框架，借助价格操纵行为模型、价格监控策略与利润计算机制，自动检测并分析 DeFi 价格操纵攻击。
NeuFair：基于 Dropout 的神经网络公平性修复
提出 NeuFair，通过推理期随机丢弃神经元对预训练 DNN 进行后处理公平性修复，同时尽量保持模型效用。
DistillSeq：基于知识蒸馏的大语言模型安全对齐测试框架
提出 DistillSeq，通过知识蒸馏与恶意查询生成，低成本高效测试 LLM 安全对齐。
ADS 之舞：通过历史信息引导的场景模糊测试编排失效
提出 ScenarioFuzz：利用地图路网与历史测试数据、结合 GNN 筛选高风险场景种子的 ADS 场景模糊测试方法。
MicroRes：通过退化传播索引实现微服务中的通用韧性剖析
提出MicroRes，首个通过退化传播索引实现微服务通用韧性剖析的框架。
超越成对测试：推进面向高度可配置系统的3-wise组合交互测试
提出可扩展算法ScalableCA，通过扩展2-wise覆盖数组并引入三项新技术，显著提升高度可配置系统3-wise组合交互测试的效率与规模。
Midas：通过反馈驱动模糊测试与差分分析挖掘链上智能合约中的盈利型漏洞利用
提出反馈驱动模糊测试框架 Midas，结合差分分析高效挖掘链上智能合约的盈利型漏洞利用。
使用图状态持久化预言测试图数据库系统
提出首个面向图数据库写操作的蜕变测试方法 GraspDB，利用图状态持久化预言与变异规则发现写相关缺陷。
提升图像分类模型公平性的大规模实证研究
首次大规模实证比较13种公平性提升方法，发现预处理与处理中方法优于后处理，预处理最佳。
基于分段的测试用例优先级排序：一种多目标方法
提出基于网页分段的 UI 测试用例多目标优先级排序方法，无需源码，用进化算法优化元素覆盖。
DBStorm：为隔离级别测试生成多样化且有效的工作负载
提出 DBStorm，以冲突图为核心黑盒生成多样有效负载测试数据库隔离级别，发现 33 个真实缺陷。
你的“Notice”缺失：检测并修复 Fork 时对开源许可证修改条款的违反
首次刻画开源许可证中的修改条款，并提出工具 LiVo 自动检测与修复 Fork 时的违反行为。
模糊测试器变异算子性能的实证考察
基于超过12.5 CPU年实验评估AFL++变异算子，发现禁用某些变异算子可提升覆盖多样性与找bug速度。
基于多样性引导探索和自适应关键状态利用的多智能体系统测试增强
提出MASTest框架，结合多样性与自适应扰动，有效提升多智能体系统测试的故障场景多样性与发现能力。
Tacoma：基于细粒度语义对齐的增强型浏览器模糊测试
提出 Tacoma 浏览器模糊测试框架，借助细粒度语义对齐与作用域感知生成语义正确且多样的测试输入，在三大浏览器上发现 32 个新漏洞。
SQLess：方言无关的 SQL 查询简化
提出方言无关的 SQL 查询简化技术 SQLess，借助自适应解析与语义敏感裁剪，在保留触发缺陷能力的同时大幅缩短复杂查询。
通过单一事件延迟复现 Android 应用中的时序相关 GUI 不稳定测试
提出基于动态分析推断 GUI 事件竞态并选择性延迟相关事件的方法，可快速可靠复现 Android 时序相关 flaky 测试。
FRAFOL：面向变异测试学习的框架
提出 FRAFOL，一个在教学中统一集成与使用多种变异测试工具的学习框架。
FortifyPatch：面向基于 Linux 的虚拟机监视器的抗篡改实时补丁
提出 FortifyPatch，利用 Arm CCA 与 TrustZone/PMU 实现抗篡改的 Linux hypervisor 热补丁，并支持全局变量补丁。
顺着“线程”：面向发现区块链客户端中的可操纵瓶颈
提出 ThreadNeck，以线程建模客户端运行时并识别可被攻击者利用的瓶颈，在四个主流客户端中发现 13 个可操纵瓶颈。
面向分布式系统的通用并发测试工具
提出 DSTest，在应用层拦截消息实现语言无关、免插桩的通用受控并发测试工具。
Traceback：一种面向分子程序的故障定位技术
提出利用时序轨迹数据的 Traceback，在分子程序故障定位上较反应式映射提升 32–90%。
TeDA：面向深度学习模型开发中数据使用审计的测试框架
提出 TeDA 测试框架，用边界搜索扰动构造 isotope 测试集并结合成员推断与假设检验，审计模型是否未经授权使用私有数据。
高效 DNN 驱动软件：面向公平稀疏模型
提出 Ballot 剪枝框架，通过冲突检测子网络选择与改进训练提升 DNN 驱动软件的公平性。
2023138 篇 · Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis
DyCL：通过程序重写与图优化的动态神经网络编译
提出 DyCL，通过程序重写和图优化使现有深度学习编译器成功编译动态神经网络，并提升执行性能。
基于语义的神经网络修复
提出基于深度学习层可执行语义的自动修复方法，递归搜索全局最小修改以修复错误神经网络。
自动化调试的贝叶斯框架
提出统一刻画故障定位与自动程序修复的贝叶斯框架，并据此实现利用程序中间值的补丁排序技术 BAPP。
ACETest：面向深度学习算子测试的自动约束提取
提出 ACETest，从深度学习算子代码自动提取输入校验约束，生成有效且多样的测试用例以暴露核心逻辑缺陷。
DeepAtash：面向深度学习系统的聚焦测试生成
提出基于搜索的聚焦测试方法 DeepAtash，针对特征空间指定单元生成误行为输入以缓解 dev2op 数据漂移。
GenCoG：一种基于 DSL 的 TVM 测试计算图生成方法
提出 GenCoG，用 DSL 描述算子类型约束并通过混合执行求解，增量生成有效且高表达力的计算图以测试 TVM。
警惕意外：双模态污点分析
结合静态分析与机器学习，用自然语言信息预测污点流是否意外，从而精准报告安全问题。
KNN 数据投毒鲁棒性的系统化测试
提出面向KNN数据投毒鲁棒性的系统化测试方法，结合抽象域过近似分析与具体域测试，可证伪并认证鲁棒性。
两种近似的故事：通过下近似收紧 DNN 鲁棒性验证中的过近似
提出双重近似方法，利用激活函数的下近似域收紧线性过近似，提升 DNN 鲁棒性验证的紧致度与可扩展性。
定量符号相似性分析
提出对语义非等价性进行定量推理的符号相似性分析，可定位程序等价与不等价的具体输入区间。
神经网络的定量鲁棒性分析
聚焦神经网络定量鲁棒性验证，旨在不仅判定邻域内是否存在误分类输入，还度量其比例并构建系列工具。
大语言模型是零样本模糊测试器：基于大语言模型对深度学习库进行模糊测试
首次直接用大语言模型生成与变异深度学习库输入程序进行模糊测试，无需训练即超越现有工具。
Tai-e：借力经典优良设计、面向开发者友好的 Java 静态分析框架
提出从零实现的 Java 静态分析框架 Tai-e，系统比较经典框架的设计取舍并择优或重新设计，使之易学易用。
使用 HirGen 对深度学习编译器进行模糊测试
提出 HirGen，通过生成多样化计算图与高层 IR 并设计覆盖率准则和测试预言，暴露 DL 编译器高层优化阶段缺陷。
迈向更真实的神经测试预言生成评估
揭示神经测试预言生成评估的不合理设定，提出更真实评估方法 TEval+ 与 Found@K 指标。
理解并应对基于深度学习的漏洞检测中的标签错误（经验论文）
系统剖析深度学习漏洞检测数据集的标签错误成因，量化其影响并提出两种去噪方法。
通过语义驱动的指令去强调改进二进制代码相似性 Transformer 模型
提出语义驱动的指令去强调技术，检测并修复二进制代码相似性 Transformer 模型中的指令分布偏差，在分布外场景下提升性能最高 14.4%。
使用控制流图神经网络检测条件相关缺陷
提出基于控制流图的图神经网络 CFGNN，结合图结构 LSTM 与 API 使用注意力，自动检测条件相关缺陷。
通过 SMT 求解增强的强化学习推断循环不变式
提出 RL 剪枝与 SMT 求解协同的框架，在一般非线性假设空间中高效推断循环不变式。
面向自动驾驶系统的基于仿真的验证方法
结合工业仿真器与形式化测试环境，系统化生成高风险场景并用一阶线性时序逻辑在运行时监控属性。
Java 质量保证工具的综合研究
系统评估 6 款 Java 质量保证工具，分析规则覆盖、缺陷检测效果与时间性能，总结工具改进和选型启示。
中断驱动嵌入式软件中并发缺陷的实证研究
首次大规模实证分析工业中断驱动嵌入式软件中的132个真实并发缺陷，总结其根因、影响、修复与表现形式。
这是个棘手的调用：WebAssembly 调用图构建的挑战研究
首个系统研究 WebAssembly 调用图构建的挑战，构建 24 个微基准并揭示现有分析均不健全。
云上访问控制的定量策略修复
提出基于SMT与模型计数的定量符号分析，自动修复过度宽松的访问控制策略。
通过语义融合验证多媒体内容审核软件
提出语义融合方法及DUO工具，通过构造多模态有毒输入来有效测试多媒体内容审核软件。
Datalog 引擎的依赖感知变形测试
提出依赖感知的变形测试方法，用于发现 Datalog 引擎返回错误结果的查询缺陷。
CONCORD：面向源代码的克隆感知对比学习
提出克隆感知对比学习方法 CONCORD，用于源代码自监督预训练，以提升克隆与缺陷检测等下游任务表示。
类型批处理的程序约简
提出类型批处理程序约简：用机器学习推荐优先约简的程序批次，并支持多批次同时约简以加速跨语言程序缩减。
神经网络修复安全漏洞的效果如何？
首次系统比较 LLM 与深度学习自动程序修复模型修复 Java 安全漏洞的能力，并构建新基准 VJBench。
GrayC：面向 C 的编译器和分析器的灰盒模糊测试
提出 GrayC，用灰盒模糊测试提升对 C 编译器和代码分析器的缺陷发现能力。
DeFiTainter：检测 DeFi 协议中的价格操纵漏洞
提出面向 DeFi 协议的跨合约污点分析框架，检测价格操纵漏洞。
面向预训练代码模型的高效微调：一项实验研究及其拓展
通过分层实验揭示代码模型微调规律，提出基于层冻结的 Telly 实现高效微调。
CODEP：面向通用代码生成的语法化 Seq2Seq 模型
提出基于下推自动机的语法约束 Seq2Seq 代码生成框架 CODEP，保证生成代码语法正确并提升多项基准指标。
基于SSE按需别名分析的Linux嵌入式固件漏洞检测
提出EmTaint，用结构化符号表达式按需别名分析提升嵌入式固件污点漏洞检测的准确率和速度。
C/C++ 生态中面向大规模软件成分分析（SCA）的第三方库依赖：我们离目标还有多远？
构建大规模数据集评估 C/C++ 第三方库依赖检测，并提出 TPLite 显著提升 SCA 精度与召回。
通过推理语义修改型变更实现更精确的回归测试选择
通过归纳语义修改型变更并增强 Ekstazi 与 STARTS，使回归测试选择更精确且不损失安全性。
Eunomia：在符号执行 WebAssembly 二进制程序时支持用户指定的细粒度搜索
提出用 DSL 指定局部搜索策略的细粒度符号执行技术 Eunomia，并实现首个全特性 WebAssembly 符号执行引擎。
基于 GNN 的漏洞检测解释器：我们准备好了吗？
评估六种 GNN 解释器在四个漏洞检测器上的稳定性、鲁棒性与有效性，并提出评估准则。
混淆对基于静态机器学习的恶意 JavaScript 检测器影响的实证研究
首个实证研究揭示混淆会显著影响静态机器学习恶意JavaScript检测器，并指出其根因与真实环境普遍性。
Splendor：现代 Web 应用中存储型 XSS 的静态检测
提出首个针对使用数据访问层的现代 Web 应用的存储型 XSS 静态检测框架 Splendor。
向量化程序素材以实现更好的 JVM 测试
用代码表示向量化对程序素材聚类去冗，配合反馈驱动选择与增强测试预言，显著提升基于合成的 JVM 测试缺陷发现能力。
改进非线性整数约束的 Bit-Blasting
针对困难非线性乘法、搜索空间与冗余问题改进位爆破，实现 BLAN 并在 SMT(QF_NIA) 上超越现有求解器。
面向智能合约字节码的安全中心描述自动生成
提出 Tx2TXT，从智能合约字节码自动生成以安全为中心的文本描述，帮助用户规避风险合约。
iSyn：从法律金融协议半自动合成智能合约
提出端到端系统 iSyn，用 SmartIR 中间表示和 NLP 流水线，从金融法律协议半自动合成并验证智能合约。
SlipCover：面向 Python 的近零开销代码覆盖率分析
SlipCover 通过 AST 识别与字节码动态插桩/去插桩，将 Python 覆盖率开销降至中位数 5%。
使用细粒度垃圾回收降低基于 IFDS 的数据流分析的内存占用
提出 FPC 细粒度垃圾回收，在保持 IFDS 正确性、精度与终止性的同时减少路径边存储和重哈希，降低内存占用。
ROME：通过递归对象熔化测试图像描述系统
提出递归对象熔化（ROME）蜕变测试方法，通过移除并修复图像对象生成自然测试对，有效检测图像描述系统错误。
Green Fuzzing：基于漏洞预测的饱和式停止准则
提出用漏洞预测判断模糊测试是否饱和，以更早、更经济地停止测试活动，避免高估 fuzzing 效果。
利用大型语言模型进行 Simulink 工具链测试，并开发多样化的开源 Simulink 模型语料库以支持度量与演化分析
提出构建可复用 Simulink 模型语料库，并利用大语言模型测试 Simulink 工具链以发现关键缺陷。
面向可配置静态分析工具的自动测试与基准测试
面向可配置静态分析工具，提出自动测试与调试框架，并开展实证研究与基准构建。
KDAlloc：KLEE 确定性分配器：符号执行与测试用例重放中的确定性内存分配
介绍 KLEE 的新内存分配器 KDAlloc 及其重放工具，通过确定性内存分配提升符号执行的确定性与缺陷发现能力。
Catamaran：通过并行加速实现低开销的内存安全强制
提出将动态内存安全检查代码并行执行的技术，利用静态依赖与动态收益分析降低运行时开销，同时不牺牲检查能力。
ECSTATIC：静态分析工具的自动配置感知测试与调试
提出配置感知的静态分析器自动化测试与调试工具 ECSTATIC，利用配置偏序关系发现 74 个缺陷并高效归约程序。
混合内联：一种组合式且上下文敏感的静态分析框架
提出混合内联框架，让组合式静态分析实现严格上下文敏感并保持可扩展性。
面向自动对账脚本生成的数据约束挖掘
提出 AutoReconciler，从业务数据挖掘数据约束并自动生成 SQL 对账脚本。
EvoSpex：一种基于搜索的后置条件推断工具
提出基于进化算法的工具 EvoSpex，从测试用例自动推断 Java 方法的后置条件。
类型自动机
提出类型自动机，以程序类型为控制与存储，连接类型系统与自动机理论并支持类型级元编程。
通过效应与处理器推理 MLIR 语义
提出基于效应处理器的 MLIR 语义框架，使方言语义可模块化、可组合地指定。
API2Vec：学习 API 序列表示用于恶意软件检测
提出基于图的 API 序列嵌入方法 API2Vec，通过建模进程间与进程内行为提升多进程恶意软件检测。
NFT 智能合约中缺陷的定义与检测
定义 NFT 智能合约中的 5 类缺陷，并提出基于符号执行的检测工具 NFTGuard。
使用 NLP 技术增强 REST API 测试
提出 NLPtoREST，利用 OpenAPI 规范的自然语言描述抽取规则并增强规范，从而提升 REST API 测试工具的效果。
RustSmith：面向 Rust 的随机差分编译器测试
提出首个能为 Rust 编译器做端到端测试的随机程序生成器，支持差分测试并发现历史与未知缺陷。
潜在模仿者：为黑盒公平性测试生成自然的个体歧视性实例
提出 LIMI，借助 GAN 语义隐空间模仿目标模型决策边界，生成更自然高效的个体歧视性实例用于黑盒公平性测试。
超越“Protected”与“Private”：智能合约自定义函数修饰符的实证安全分析
提出 SoMo 工具，通过修饰符依赖图与符号路径约束检测以太坊智能合约中可被绕过的自定义函数修饰符。
SmartState：通过细粒度状态依赖分析检测智能合约中的状态回滚漏洞
提出 SmartState，通过字节码与交易历史的细粒度状态依赖分析检测 Solidity 合约中的状态回滚漏洞。
探索 WebAssembly 优化器中错失的优化
提出差分测试框架 DITWO，通过对比原生 x86 与 wasm 可执行文件的优化指示轨迹，系统揭示 wasm-opt 错失的优化及其根因。
GDsmith：检测 Cypher 图数据库引擎中的缺陷
提出首个面向 Cypher 图数据库引擎的随机测试方法，通过图引导和数据引导生成复杂查询以检测错误结果缺陷。
用变异测试引导灰盒模糊测试
提出Mu2框架，将变异分析融入灰盒模糊测试循环，以合成高变异得分的回归测试输入语料。
RefBERT：一个用于自动重命名重构的两阶段预训练框架
提出两阶段预训练框架 RefBERT，为命名不佳的变量自动生成更准确、可读的新名称。
1dFuzz：用定向差分模糊测试复现 1-day 漏洞
提出基于补丁尾部调用序列（TCS）特征的定向差分模糊测试方案，高效复现 1-day 漏洞。
AGORA：为 REST API 自动生成测试预言
提出 AGORA，用动态不变量检测为 REST API 自动生成测试预言，并发现多种实际缺陷。
COME：基于修改嵌入的提交信息生成
提出 COME 框架，用细粒度修改嵌入与自监督生成任务表示代码改动，并结合检索与翻译方法生成提交信息。
ModelObfuscator：混淆模型信息以保护已部署的基于机器学习的系统
提出模型混淆技术，通过重命名、参数封装、结构混淆等保护端侧 TFLite 模型免受白盒攻击。
基于抽象语法树分块的细粒度代码克隆检测
提出 Tamer，将抽象语法树拆分为简单子树，实现可扩展且细粒度的语法代码克隆检测。
使用自然语言处理与强化学习自动复现 Android 缺陷报告
提出结合NLP与强化学习的全自动方法，从Android缺陷报告中提取并搜索复现步骤，显著提升崩溃复现率。
针对代码混淆的 Android 应用精确高效补丁存在性测试
提出 PHunter，利用抗混淆的语义特征精确高效检测 Android 应用中第三方库补丁是否存在。
SBDT：SSL/TLS 实现中证书解析器的基于搜索的差分测试
提出 SBDT，首个面向证书解析器的基于搜索的差分测试方法，通过建模、搜索、更新与剪枝模型高效发现解析器缺陷。
PhysCov：自动驾驶汽车的物理测试覆盖
提出 PhysCov，用传感器读数与物理可达性分析刻画环境状态覆盖，量化自动驾驶测试充分性。
基于三维分析的静默编译器缺陷去重
提出 D3，利用测试程序、优化和测试执行三个维度的缺陷因果特征度量失败距离，实现静默编译器缺陷去重。
FairRec：面向深度推荐系统的公平性测试
提出 FairRec 统一框架与双端离散粒子群搜索测试方法，从多视角检测深度推荐系统的隐藏公平性问题。
稀有路径引导的模糊测试
通过定量符号分析识别稀有路径，并用路径引导的 concolic execution 生成初始种子，提升模糊测试覆盖率。
ωTest：面向 Android 应用的 WebView 测试
提出 WebView 特有属性与跨语言动态分析方法，并据此生成覆盖多样化 WebView 行为的测试，发现 36 个新缺陷。
从单元测试中提取内联测试
ExLi 首次实现从单元测试自动提取内联测试，并用覆盖率与变异体约简去除冗余。
基于概念的 CS-1 编程作业自动评分
提出概念图匹配方法，使 CS-1 作业自动评分更贴近人工评分并支持反馈。
DeUEDroid：基于UTG相似性的地下经济应用检测
提出基于UI转换图相似性的地下经济应用检测方法，并构建大规模数据集与系统。
LiResolver：面向开源软件的许可证不兼容性解决
LiResolver 通过许可证语义抽取与依赖分析，推荐官方许可证或生成自定义许可证，解决开源软件许可证不兼容问题。
触发器-动作编程智能家居集成的安全性检查
提出 MEDIC 框架，自动建模 IFTTT 风格智能家居集成并检测其安全问题，实验发现 83% 的集成存在安全隐患。
谁在评判裁判：关于 Online Judge 测试的实证研究
实证揭示在线评测平台测试套件普遍存在假阳性，43.4%的题目含错误解被判正确。
从模糊测试视角看自动化程序修复
将模糊测试与自动程序修复统一视为搜索问题，提出补丁调度算法 Casino，并开源仿真工具 SimAPR。
为神经网络测试用例选择的简单技术辩护
提出一种轻量级DNN测试选择方法，利用测试样本自身及其邻居的不确定性，增强简单不确定性选择方法的效果。
迈向智能合约中非预期价格馈送的自动检测
针对 DeFi 智能合约中价格预言机的非预期价格馈送风险，指出需结合交易与代码进行实时自动检测。
面向新生编程语言的编译器测试：一项工业案例研究（经验论文）
面向无参考编译器的新生语言编译器，适配并工业评估 SynFuzz 与 MetaFuzz 两种测试技术。
GPUHarbor：大规模测试 GPU 内存一致性（经验论文）
提出 GPUHarbor，一个可大规模部署的 GPU 内存一致性测试工具，并在 106 台设备上开展迄今最大规模的弱内存行为研究。
基于文法的搜索更快发现短的慢输入
结合文法搜索与性能反馈，在短时预算内更快生成能暴露性能问题的短输入。
绿色模糊测试器基准评测
提出 GreenBench 平台，通过更多、更短的模糊测试基准，在几乎不损失排名准确性的前提下把评测速度提升 18–61 倍。
杀死变异体：变异测试中 kill 的实证研究
首次系统实证刻画变异测试中测试用例杀死变异体的失败方式与崩溃成因。
引导式再训练以增强对困难 Android 恶意软件的检测
提出引导式再训练方法，利用基检测器的正确与错误预测，通过监督对比学习重新嵌入困难样本并训练辅助分类器，显著降低 Android 恶意软件检测错误率。
用文本到语音合成语音测试用例？自动语音识别测试中误报的实证研究
实证研究揭示 TTS 合成语音测试用例在 ASR 测试中会产生误报，即合成音频失败但真人音频可正确转录。
CydiOS：面向 iOS 应用的基于模型的测试框架
首个面向 iOS 应用的基于模型 UI 测试框架，融合增强静态分析与运行时上下文，并以潜在价值感知搜索引导测试。
Alligator in Vest：基于 Arm 硬件特性的实用故障诊断框架
提出 Investigator，利用 Arm ETM 硬件追踪与轻量事件捕获，实现低开销的故障诊断与缺陷定位。
将测试套件变成 Croissant：注入 flakiness 的变异框架
提出 Croissant 框架，用 18 个 flakiness 变异算子向测试套件注入不确定性，生成高质量 flaky test 基准以评估检测工具。
OCFI：让函数入口识别再次变难
提出 OCFI，利用 CFI 并非所有函数都需栈展开的事实，混淆函数入口信息，使反汇编器的函数入口识别重新变难。
基于反向演绎的机器翻译系统词义消歧能力测试
针对机器翻译系统词义消歧能力，提出基于反向演绎的测试方法，填补相关测试空白。
SymRustC：一个面向 Rust 的混合模糊测试器
将 SymCC 的 concolic execution 与 LibAFL 的 fuzzing 结合，构建面向 Rust 的混合 fuzzer 以发现程序错误。
DDLDroid：高效检测 Android 应用中的数据丢失问题
提出基于数据流分析与保存-恢复二分图的静态方法 DDLDroid，高效检测 Android 应用的数据丢失问题。
CodeGrid：代码的网格表示
提出 CodeGrid，将代码 token 嵌入保留布局的网格，为下游任务提供空间信号。
推荐系统的公平性测试
提出面向推荐系统公平性测试的新方法，以兼顾结果准确与测试效率。
Oven：使用合成行为类型分析保障 Scala 中通信协议的安全性与活性
提出 Oven：首个基于合成行为类型分析、在 Scala 中保障并发通信协议安全性与活性的实用工具集。
DDLDroid：一种自动检测 Android 应用中数据丢失问题的静态分析器
提出基于保存-恢复二分图与数据流分析的静态分析器，自动检测 Android 应用中的数据丢失问题。
基于模式的窥孔优化与 Java JIT 测试
提出 JOG 框架，用 Java 模式同时编写 JIT 窥孔优化与其测试，并自动检测优化间的遮蔽关系。
面向异构群体系统的 TypeScript 行为类型化状态机
提出 TypeScript 库，将点对点工作流建模为状态机，并检查其是否符合 swarm protocol。
PExReport-Maven：在 Maven 构建系统中创建精简的可执行跨项目失败报告
提出 PExReport-Maven，在 Maven 构建系统中自动裁剪源码、依赖与环境，生成精简可执行的跨项目失败复现报告。
MetaData262：面向部分 JavaScript 实现的自动测试套件选择
提出 Test262 测试元数据新格式与 MetaData262 工具，支持为部分 JavaScript 实现自动选择测试。
TreeLine 与 SlackLine：基于语法的性能模糊测试（Coffee Break）
提出两种基于上下文无关文法的性能模糊测试器 TreeLine 和 SlackLine，可在数分钟内从有效输入中发现性能问题。
ItyFuzz：面向智能合约的基于快照的模糊测试器
提出基于快照的智能合约模糊测试器 ItyFuzz，用状态快照与单笔交易变异提升探索效率并快速合成攻击利用。
BehAVExplor：面向自动驾驶系统的行为多样性引导测试
提出行为引导的模糊测试技术 BehAVExplor，通过无监督行为建模与能量机制提升自动驾驶系统测试中违规的多样性并减少冗余失败。
Android 应用中功能缺陷的实证研究
首次系统实证研究 Android 应用功能缺陷，并据此构建差分测试工具 RegDroid 发现未知缺陷。
从真实事故构建自动驾驶关键测试场景
从真实事故数据自动构建关键测试场景，结合分割模型与变异测试，在 Apollo/Carla 中发现 ADS 缺陷。
通过查询分区测试图数据库引擎
将查询分区测试预言用于图数据库，实现工具 GDBMeter，发现 40 个新缺陷且无误报。
理解现实世界中的破坏性变更
通过大规模 Maven 生态实证研究，量化依赖升级中破坏性变更对客户端的影响及语义化版本遵守情况。
真实场景中的虚拟现实（VR）自动化测试：基于 Unity 的 VR 应用案例研究
通过314个开源VR应用的实证研究，揭示VR自动化测试缺失、覆盖率工具不足与断言密度低等现状。
通过链上交易重放与模糊测试检测 DApp 中的状态不一致缺陷
提出 IcyChecker，利用链上交易重放提供精确上下文，并通过变异模糊测试交易序列、观察状态差异来检测 DApp 状态不一致缺陷。
通过高效违反多条法规来测试自动驾驶系统
提出 ABLE：结合 GFlowNet、动态 STL 鲁棒性目标与主动学习，高效生成多样化的违法驾驶场景以测试自动驾驶系统。
通过迭代测试套件缩减改进基于频谱的多故障定位
提出 FLITSR，通过迭代缩减测试套件重排 SBFL 结果，显著提升多故障定位效果。
Icicle：为灰盒固件模糊测试重新设计的模拟器
提出面向模糊测试的多架构模拟框架 Icicle，支持架构无关插桩，在多种 ISA 固件中发现新漏洞。
使用调试接口对嵌入式系统进行模糊测试
利用微控制器调试接口的硬件断点提取未插桩二进制的部分覆盖率，实现通用嵌入式模糊测试。
系统化生成测试顺序以检测顺序依赖的 flaky 测试
提出三种系统化生成测试顺序的技术，以更完整地检测顺序依赖的 flaky 测试，最高效技术可检出 97.2% 的已知用例。
ConfFix：修复 Android 应用中的配置兼容性问题
提出 ConfFix，利用 Android 框架版本对 XML 配置元素处理差异的知识，自动生成补丁修复配置兼容性问题。
EDHOC-Fuzzer：一个EDHOC协议状态模糊测试器
提出EDHOC-Fuzzer，用模型学习为EDHOC协议实现构建状态机模型，以进行基于模型的测试与漏洞发现。
所见即所得？并非如此！检测移动应用中的误导性图标
提出首个自动检测 Android 应用中误导性图标的框架 IconSeer，准确率 0.86。
CoopHance：面向深度学习系统鲁棒性的协同增强
提出协同增强框架 CoopHance，用净化器与检测器协作提升深度学习系统抗对抗样本的鲁棒性。
KeenTune：面向云应用性能测试与优化的自动化调优工具
提出轻量自动化调优工具 KeenTune，用代理模型筛选参数，显著提升云应用吞吐性能。
RobotBT：面向 Robot Framework 的基于行为树的测试用例规约
为 Robot Framework 引入基于行为树的测试用例规约库 RobotBT，提升复杂用例的表达力与可读性。
CGuard：面向 C 的可扩展且精确的对象边界保护
CGuard 在 x86_64 上实现精确对象边界保护，突破 SGXBounds 的 32 位地址空间限制且开销相当。
面向电梯调度算法的 Delta Debugging 算法的应用与扩展（经验论文）
通过监控 CPS 环境与物理状态识别稳定状态，提升 delta debugging 缩减失败诱导测试输入的效率。
CILIATE：通过数据集与训练精炼实现更公平的基于类的增量学习
提出 CILIATE 框架，用差分分析引导的数据集与训练精炼，同时修复增量学习中的数据集偏置与算法偏置，提升公平性。
NodeRT：实用地检测 Node.js 应用中的竞态
提出 NodeRT，通过异步调用树与三阶段动态检测，高效发现 Node.js 事件处理竞态并降低误报。
June：一种提升自动测试生成性能的可测试性变换
June 用注解驱动的可测试性变换把字符串中的潜在结构暴露给自动测试生成器，从而大幅提升并加速分支覆盖。
202271 篇 · Proceedings of the 31st ACM SIGSOFT International Symposium on Software Testing and Analysis
Python 代码中机器学习超参数约束的异常引发分析
提出首个 Python 过程间最弱前置条件分析，抽取 ML 超参数约束并在 8 个库的高精度发现真实缺陷。
几乎正确的不变式：通过对证明进行模糊测试来合成归纳不变式
提出 Achar，用主动学习提出候选不变式，并以模糊测试反证之，从而为含不可解释操作的开放程序合成归纳不变式。
深度神经网络的 ε-弱化鲁棒性
提出 ε-弱化鲁棒性定义与多项式时间测试方法，并用于增强分类器抗对抗攻击。
静态 C 代码分析器漏洞检测有效性的实证研究
实证评估六款静态C分析器，发现真实项目漏洞漏报率47%–80%，组合工具可降漏报但增误报。
使用预训练语言模型解决文本与语义合并冲突（经验论文）
探索用 GPT-3 等预训练语言模型以 k-shot 学习自动修复文本与语义合并冲突。
结合静态分析错误轨迹与动态符号执行（经验论文）
提出结合静态分析错误轨迹与动态符号执行的技术，用轨迹引导搜索并剪枝，快速确认告警并生成触发输入。
面向字符串处理程序中语义缺陷的人在回路 oracle 学习
提出人在回路的 oracle 学习设想，通过与用户协商失败条件，为字符串处理程序的语义缺陷实现自动调试。
RegMiner：从代码演化历史构建大规模回归数据集
提出 RegMiner，从代码演化历史自动构建大规模回归数据集，以克服人工 bug 数据集的扩展性与代表性瓶颈。
SpecChecker-ISA：面向中断驱动嵌入式软件的数据共享分析器
提出基于抽象解释数值不变式的数据共享分析器，可靠且精确地识别中断驱动程序中的共享数据访问。
jTrans：面向二进制代码相似性检测的跳转感知 Transformer
首个将控制流跳转信息嵌入 Transformer 的二进制代码相似性检测方法，并发布大规模数据集 BinaryCorp。
程序理解与生成预训练模型的广泛研究
统一复现并对比八个程序预训练模型在七类代码任务上的效果、通用性与对抗鲁棒性，并给出实践指南。
基于对比学习的路径敏感代码嵌入用于软件漏洞检测
提出基于对比学习的路径敏感代码嵌入，使模型理解漏洞触发路径，以提升静态漏洞检测。
DocTer：文档引导的模糊测试，用于测试深度学习 API 函数
提出文档引导的模糊测试方法 DocTer，从自由文本 API 文档中提取深度学习 API 的输入约束以生成有效输入、更深入测试。
CIRCLE：跨编程语言的持续修复
提出持续学习式跨语言程序修复框架 CIRCLE，用单一模型修复多种语言并适应新出现的修复需求。
eTainter：检测智能合约中的 gas 相关漏洞
提出基于字节码污点分析的静态分析器 eTainter，检测智能合约 gas 相关漏洞。
简单技术对神经网络测试优先级排序与主动学习出奇有效（可复现性研究）
大规模复现表明，简单的不确定性量化基线在 DNN 测试优先级排序与主动学习中与 DeepGini 表现相当。
Park：通过并行分叉符号执行加速智能合约漏洞检测
提出并行分叉符号执行框架 Park，通过多进程加速智能合约漏洞检测，最高取得约 7 倍加速。
静态分析工具所满足的可用性准则：一项大规模研究
通过大规模研究考察静态分析工具在多大程度上覆盖可用性准则，以解释其采纳障碍。
MDPFuzz：测试求解马尔可夫决策过程的模型
提出 MDPFuzz，面向求解 MDP 的 DNN、RL、IL 等模型开展测试，以应对其缺乏充分测试与可靠性保证的问题。
基于补丁对生产代码与测试代码影响的自动程序修复补丁正确性评估
提出Shibboleth，从生产代码句法/语义相似度与测试覆盖三方面评估APR补丁正确性，排名与分类均优于现有方法。
利用基于图对齐的表示学习改进跨平台二进制分析
提出通过图对齐学习跨平台二进制代码嵌入，以解决现有嵌入无法跨平台对齐且缺少上下文信息的问题。
图像描述系统的自动化测试
关注图像描述系统可能返回错误结果的问题，标题表明为其开展自动化测试。
PrIntFuzz：通过自动化虚拟设备模拟对 Linux 驱动进行模糊测试
PrIntFuzz 通过自动虚拟设备模拟与静态分析，模糊测试 Linux 驱动中此前难覆盖的探测代码和中断处理程序。
自动检测 Android 应用中 API 引发的兼容性问题：一项比较分析（可复现性研究）
系统复现并比较九种 Android API 兼容性问题检测方法，发现工具能力差异大、结果重叠小。
测试 Dafny（经验论文）
为 Dafny 验证器与多后端编译器构建首个模糊测试和差分测试框架，以发现工具链缺陷。
ESBMC-CHERI：面向 CHERI 平台 C 程序验证的 ESBMC
提出首个面向 CHERI 平台 C 程序的有界模型检测器 ESBMC-CHERI，可形式验证内存安全与兼容性问题。
TensileFuzz：通过字符串约束求解促进模糊测试中的种子输入生成
提出用字符串约束求解生成可增长的种子输入，并结合回归与梯度下降，显著提升路径覆盖。
Maestro：一个在软件漏洞上对自动程序修复工具进行基准测试的平台
提出 Maestro 平台，通过 RESTful API 连接漏洞基准与 APR 工具，实现可复现、公平的自动漏洞修复实验。
用加速的最优图顶点匹配搜寻缺陷
用嵌入模型预筛候选、GCN 求近似最优顶点匹配的两阶段加速方法，缓解噪声干扰并高效检测代码缺陷。
结合解重用与界限收紧以实现演化系统的高效分析
提出 SoRBoT，将解重用与界限收紧结合，自动推导领域特定优化，显著加速演化系统验证。
ESBMC-Jimple：通过 Jimple 中间表示验证 Kotlin 程序
提出首个基于 Jimple 中间表示的 Kotlin 程序模型检测器 ESBMC-Jimple，并验证其竞争力。
REST API 的自动化测试生成：尚不能休息
对10个最先进的REST API测试工具在20个真实服务上进行实证比较，揭示其优劣与底层策略局限。
SmartDagger：一种基于字节码的跨合约漏洞检测静态分析方法
提出基于字节码的静态分析框架 SmartDagger，通过恢复合约属性信息并选择性复用数据流结果，高效检测跨合约漏洞。
SnapFuzz：网络应用的高吞吐量模糊测试
提出面向网络应用的高吞吐模糊测试系统，缓解有状态协议实现吞吐低、测试脚手架复杂的问题。
利用角色挖掘发现智能合约中的权限漏洞
通过挖掘合约历史交易恢复访问控制模型，检测智能合约权限漏洞。
IoT 固件中第三方组件所引入漏洞的大规模实证分析
设计 FirmSec 检测固件中的第三方组件及其漏洞，并对 3.4 万余个固件镜像开展大规模安全实证分析。
QMutPy：面向 Qiskit 量子算法与应用的变异测试工具
开发量子变异测试工具 QMutPy，为 Qiskit 量子程序提供量子门与测量变异算子并初步验证有效性。
关于缺陷预测研究中评估指标的使用
指出缺陷预测研究应审慎选择评估指标，尤其面对数据不平衡，才能正确评价模型优劣。
通过增强的用户态模拟实现 Linux IoT 设备应用的高效灰盒模糊测试
提出 EQUAFL，通过增强用户态模拟自动构建执行环境，使 IoT 应用可完全在用户态下高效灰盒模糊测试。
基于归纳推断的程序漏洞修复
提出反例引导的归纳推断，在修复位置生成补丁不变式，从而仅凭一个失败输入修复漏洞。
检测高级驾驶辅助系统中的多传感器融合错误
提出面向 ADAS 多传感器融合错误的演化式领域特定搜索框架 FusED，并结合因果分析定位成因。
SLIME：面向模糊测试的程序敏感能量分配
指出现有 fuzzing 能量分配假设属性效率跨程序一致的问题，并提出程序敏感的能量分配方案 SLIME。
测试模仿：评估库漏洞的可利用性
提出测试模仿方法，用于判断客户端项目依赖中的库漏洞是否可被实际触发利用。
TeLL：通过建模多层级代码块信息进行日志级别建议
提出 TeLL，对多层级代码块信息建模，综合利用块内与块间特征为日志语句推荐合适的详细级别。
ASRTest：面向深度神经网络驱动的语音识别系统的自动化测试
提出基于蜕变测试的 ASRTest，为 DNN 驱动的语音识别系统生成测试语音并检测错误行为。
ATR：面向 Alloy 规格的基于模板的修复
提出面向 Alloy 规格的模板化自动修复方法 ATR，弥补现有 APR 多针对命令式程序、依赖执行轨迹的不足。
UniRLTest：基于图像理解与强化学习的通用平台无关测试
提出基于图像理解与深度Q网络的平台无关GUI自动化测试框架。
AEON：一种自动评估NLP测试用例的方法
提出AEON，自动评估NLP测试用例的语义一致性与语言自然性，降低误报并提升模型训练效果。
Unicorn：基于混合输入合成检测时序数据库中的运行时错误
提出 Unicorn，用混合输入合成与主动异常检测对时序数据库做模糊测试，发现 42 个此前未知的 bug。
BET：面向卷积神经网络的黑盒高效测试
提出黑盒高效测试方法 BET，通过连续扰动与可调目标在查询预算内发现 CNN 的致错输入。
通过松弛的蜕变关系：为动作策略测试获取 oracle 的方法
提出用松弛构造蜕变关系，为学习型动作策略测试提供 oracle，以区分策略缺陷与不可避免行为。
Pytest-Smell：面向 Python 单元测试的坏味检测工具
提出 Pytest-Smell 工具，自动检测 Python 单元测试中的坏味，以改善测试代码与软件质量。
演化感知的顺序依赖型 flaky 测试检测
提出 IncIDFlakies，通过分析代码变更选择性地运行可能产生顺序依赖的测试，低成本检测新引入的顺序依赖型 flaky 测试。
通过分阶段路径剪枝实现中断驱动程序的精确高效原子性违反检测
提出 intAtom，通过分阶段路径剪枝与约束求解，精确高效检测中断驱动程序中的原子性违反。
PermDroid：自动测试 Android 应用的权限相关行为
提出 PermDroid，用静态状态转移图引导动态探索，自动测试 Android 应用在权限动态授予/撤销下的行为并发现漏洞。
更进一步：使用蜕变测试评估 DNN 解释器
提出用蜕变测试评估 DNN 解释器（解释方法）的鲁棒性，以应对同一分类案例下解释结果不一致的问题。
FDG：测试用例故障可诊断性增益的精确度量
提出 FDG 指标精确度量单个测试用例对故障定位的可诊断性增益，并用于测试套件增强。
（2023年3月14日撤稿）面向统计类型推断的跨语言迁移学习
该论文已被作者主动撤稿，作者承认论文存在错误、主要结论不成立。
检测 Android 中由变体生命周期引发的资源利用缺陷
识别 Android Activity/Fragment 的三种变体生命周期，并提出 VALA 自动检测由此引发的资源利用缺陷。
使用 MeMu 加速变异分析
提出并实现 MeMu，通过记忆化最昂贵方法来减少变异体执行时间，从而加速变异分析。
ATUA：一种更新驱动的应用测试工具
ATUA 通过更新驱动、模型化测试，以少量输入覆盖 App 更新代码，缓解测试预言问题。
WASAI：揭示 Wasm 智能合约中的漏洞
提出混合执行模糊测试器 WASAI，高效发现 Wasm 智能合约漏洞并能生成利用载荷。
通过随机差分测试发现基于 Gremlin 的图数据库系统中的缺陷
提出面向基于 Gremlin 的图数据库系统的随机差分测试方法，自动发现导致查询结果错误的逻辑缺陷。
LiRTest：增强 LiDAR 点云用于自动驾驶系统的自动化测试
提出 LiRTest，通过增强 LiDAR 点云来自动化测试自动驾驶系统，缓解人工采集标注成本高的问题。
NCScope：面向 Android 应用中原生代码的硬件辅助分析器
提出基于 ARM ETM 与 eBPF 的硬件辅助分析器，低开销获取原生代码真实执行轨迹与内存数据并开展多类分析。
检测并修复 Android 应用中的数据丢失问题
提出 iFixDataloss，自动检测并修复 Android 应用因外部事件中断导致的数据丢失问题。
理解智能家居系统中的设备集成缺陷
揭示智能家居设备集成缺陷（iBug）的普遍性及其导致设备不可用、行为异常等后果。
HybridRepair：面向深度学习模型的标注高效修复
提出 HybridRepair，以低标注代价修复因数据分布偏移而性能下降的已部署深度学习模型。
论使用变异分析评估学生测试套件质量
研究变异分析自动生成的变异体能否替代人工植入缺陷与“全配对”评分，用于评估学生测试套件的质量。
基于广义依赖的死锁预测
将条件变量信号抽象为特殊资源，用广义依赖检测通信死锁，UnHang 工具性能开销约3%。
为 Kubernetes 自动生成冒烟测试套件
面向 Kubernetes 云部署，自动生成用于部署后快速验证系统可运行性的浅层冒烟测试套件。
202159 篇 · Proceedings of the 30th ACM SIGSOFT International Symposium on Software Testing and Analysis
面向数值规约的基于区间约束的变异测试
提出 Magneto，用区间约束满足自动生成数值规约的测试与 oracle，检测浮点代码的精度、鲁棒性与功能缺陷。
为符号执行合成求解策略
将符号执行划分为两阶段，用第一阶段公式在线合成SMT求解策略以提升后续约束求解效率。
Predoo：深度学习算子的精度测试
提出 Predoo，用模糊测试与搜索最大化 DL 算子精度误差，发现超越 TensorFlow 测试阈值的错误。
基于大规模 stripped binaries 的轻量级函数名重赋框架
提出轻量级框架，在无需重量级二进制分析的情况下，为大规模 stripped binaries 重赋描述性函数名。
通过约束求解时间预测提升符号执行（经验论文）
提出用机器学习预测约束求解时间，自适应决定符号执行是否继续求解，从而提升效率。
面向符号执行的类型与区间感知数组约束求解
提出类型与区间感知公理生成及ILP预检，加速符号执行中的数组约束求解。
通过测试代码片段验证静态警告
提出根据静态警告自动生成测试用例的方法，通过测试代码片段验证真/假阳性。
DeepCrime：基于真实故障的深度学习系统变异测试
提出首个基于真实 DL 故障的源代码级预训练变异测试工具 DeepCrime，并定义 35 个变异算子。
深度即时缺陷预测：我们走了多远？
大规模实证发现，简单逻辑回归加新增行数特征可超越 CC2Vec 与 DeepJIT，且快数万倍。
DeepHyperion：通过光照搜索探索深度学习系统的特征空间
提出 DeepHyperion，用光照搜索探索输入的可解释特征空间，揭示不同特征对深度学习系统行为的影响。
面向 Node.js 应用安全扫描的模块化调用图构建
提出面向 Node.js 安全扫描的模块化调用图构建方法，以捕捉第三方模块间函数连接。
通过二维输入空间探索对 SMT 求解器进行模糊测试
提出 Falcon，同时探索公式空间与配置空间，利用二者关联和自适应变异高效发现 SMT 求解器深层缺陷。
面向最优 MC/DC 测试用例生成
对每个 MC/DC 序列，可行时生成实现其真值约束的测试输入，否则证明其不可行。
用 JSON 子模式检查发现数据兼容性缺陷
提出 JSON 子模式检查，通过规范化简化与类型特定检查器，在具体数据出现前发现数据兼容性缺陷。
SAND：一种检测 SQL 反模式的静态分析方法
提出可扩展静态分析框架 SAND，通过抽象建模移动应用数据库交互，精确检测 SQL 反模式。
工具配置空间对 Android 可配置污点分析评估的影响
首次系统评估 FlowDroid 与 DroidSafe 的配置空间，揭示性能、精度与健全性权衡并发现 21 处错误配置。
基于模型的网络应用测试
提出一个基于Coq嵌入式DSL的非确定性服务器模型，实现应用层协议自动测试并平滑过渡到形式验证。
iDEV：探索与利用 ARM 指令处理中的语义偏差
提出 iDEV 框架，用差分测试系统揭示并利用 ARM 指令处理工具间的语义偏差及其安全影响。
智能合约测试的实证评估：什么是最佳选择？
通过实证评估揭示评估设置不一致对智能合约漏洞检测测试工具结论的影响，并探讨最佳选择。
基于梯度搜索的高效白盒公平性测试
提出框架 EIDIG，用全局种子生成加梯度引导的局部搜索，高效发现深度学习模型的个体歧视实例。
ModelDiff：基于测试的 DNN 相似度比较与模型复用检测
提出基于测试的 DNN 模型相似度比较方法 ModelDiff，通过决策距离向量检测知识复用。
实证评估持续集成中易获取的信息用于回归测试优化
提出统一方法学，仅用 CI 与版本控制元数据构建并评估回归测试选择与优先级排序方法，并在 23 个项目上开展大规模实证。
面向配置测试的测试用例优先级排序
将传统测试用例优先级排序（TCP）应用于配置测试（ctest），评估84种技术并显著加速误配置检测。
Linux 中的自动化补丁向后移植（经验论文）
提出自动补丁回移技术并实现 FixMorph，在 350 个 Linux 主线补丁上正确回移 75.1%，优于已有方法。
DialTest：面向 RNN 驱动对话系统的自动化测试
提出首个 RNN 驱动对话系统自动化测试工具 DialTest，通过保 oracle 的数据变换与 Gini 不纯度引导生成测试，高效检出错误。
揭示深度神经网络中此前无法检测的故障
用生成式模型产生高层特征变化的测试输入，发现其他DNN测试方法无法检测的故障。
HomDroid：通过社交网络同质性分析检测 Android 隐蔽恶意软件
提出 HomDroid，用社交网络同质性分析定位 Android 应用中与良性代码强耦合的隐蔽恶意部分，以降低漏报。
持续测试套件失败预测
提出基于机器学习的持续测试套件失败预测，判断代码变更是否值得触发测试，从而降低持续集成成本。
面向系统级测试用例的基于日志的切片
提出基于日志的切片方法，将含多场景的系统级测试用例分解为更小用例，避免静态/动态切片局限。
echidna-parade：一个多样化多核智能合约模糊测试工具
提出 echidna-parade，基于 Echidna 自动多样化配置并进行多核智能合约模糊测试，提升效果并缩短时间。
挑战与机遇：配置错误注入测试的深入实证研究
通过可扩展框架CeitInspector在六个服务器应用上实证研究配置错误注入测试，揭示遗漏用例并给出改进建议。
基于高维多目标搜索的关键点检测 DNN 自动测试套件生成（经验论文）
针对关键点检测 DNN 提出基于高维多目标搜索的自动测试套件生成方法。
SCStudio：面向智能合约的安全高效集成开发环境
提出智能合约开发平台 SCStudio，通过模式学习实现实时安全增强推荐与集成测试验证，提升补全准确率并多检出约25%漏洞。
QFuzz：面向侧信道的定量模糊测试
提出 QFuzz，用定量模糊测试检测和评估侧信道，放宽非干扰以容忍微小泄漏并提升可扩展性。
使用智能状态运行时检测内存错误
提出利用智能状态进行运行时内存错误检测，以确定且完整地发现段混淆、子对象溢出、释放后使用和内存泄漏等错误。
Parema：一个揭秘基于 VM 的 Android 加固器的脱壳框架
提出程序分析技术并实现 Parema，对基于 VM 的 Android 加固器脱壳，揭示其保护不足。
TERA：优化机器学习项目中的随机回归测试
提出 TERA，优化机器学习项目中随机回归测试的超参数配置，降低回归测试成本。
电子表格中的语义表结构识别
提出识别电子表格语义表结构（表头类型与关系）的任务，以支持数据分析与错误检测。
C4：C 编译器并发检查器
提出 C4，一个通过生成、模糊测试与执行 litmus 测试来检验真实 C 编译器原子并发编译行为的工具。
MoScan：一种面向 Web 单点登录服务的基于模型漏洞扫描器
提出基于状态机模型的 SSO 漏洞扫描器 MoScan，通过分析网络踪迹生成测试载荷发现实现中的安全缺陷。
TauMed：医学诊断中深度学习的测试增强
提出 TauMed，基于变异规则与领域语义增强医学图像，提高深度学习诊断模型测试数据质量与分类准确率。
RAProducer：通过 trace 分析高效诊断和复现二进制数据竞争缺陷
提出 RAProducer，通过 trace 分析在二进制层面高效诊断并复现线程交错导致的数据竞争缺陷。
基于 token 符号化的语法无关符号执行
提出基于 token 符号化的语法无关符号执行，并用两阶段算法生成更易通过解析器的输入。
自动化调试：过去、现在与未来（ISSTA 影响力论文奖）
回顾获ISSTA 2021影响力奖的自动化调试用户研究，评估其影响并展望未来方向。
面向成功模糊测试的种子选择
指出灰盒模糊测试中种子/语料选择缺乏共识，呼吁系统研究其对漏洞发现的影响。
RESTest：RESTful Web API 的自动化黑盒测试
提出开源黑盒测试框架 RESTest，支持基于 API 规约的多种测试用例生成与在线持续测试。
AdvDoor：深度学习系统的对抗后门攻击
提出用目标通用对抗扰动隐藏后门的 AdvDoor 攻击，成功率约 98% 且能规避主流检测。
修复依赖错误以实现 Python 构建可复现性
提出 PyDFix，从构建日志中检测并自动修复导致 Python 构建不可复现的依赖错误。
Gramatron：有效的语法感知模糊测试
提出用语法自动机与激进变异算子实现快速合成复杂缺陷触发的语法感知模糊测试器。
更快、更深、更易：从用户空间众包诊断微服务内核故障
提出用户空间众包诊断方法 DyCause，基于轻量 API 日志推断服务间时变因果关系，定位微服务内核故障。
GUI 事件的语义匹配用于测试复用：我们做到了吗？
首个关于 GUI 事件语义匹配的实证研究，并提出优于现有方案的 SemFinder 算法。
理解与发现 Android 应用中的系统设置相关缺陷
首个系统性研究 Android 系统设置相关缺陷，并提出蜕变模糊测试工具 SetDroid 自动检测此类缺陷。
攻击即防御：利用鲁棒性刻画对抗样本
提出 A2D 框架，利用攻击代价评估样本鲁棒性，从而检测对抗样本。
一种通过基础设施提升 Android UI 测试工具有效性的方法
揭示 Android UI 测试工具受 UIAutomator 操作低效拖累，提出基础设施层面的改进思路。
GUIDER：GUI 结构与视觉协同引导的 Android 应用测试脚本修复
提出 GUIDER，协同利用 GUI 控件的结构与视觉信息，自动修复 Android 应用中因版本演化而失效的 GUI 测试脚本。
识别多参与方触发-动作集成平台中的隐私弱点
提出动态测试方法 Taifu，以 applet 为测试用例，发现多参与方触发-动作集成平台中的隐私弱点。
WebEvo：通过检测语义结构变化来驯服 Web 应用演化
提出 WebEvo，利用历史页面和计算机视觉区分内容变化与语义结构变化，准确检测 Web 应用演化。
UAFSan：一种基于对象标识符的 use-after-free 漏洞动态检测方法
提出 UAFSan，通过为对象和指针分配唯一标识符并校验一致性，在运行时检测 use-after-free 漏洞。
ProFuzzBench：有状态协议模糊测试基准
提出面向网络协议有状态模糊测试的基准 ProFuzzBench，含开源服务器套件与自动化实验工具。
202055 篇 · Proceedings of the 29th ACM SIGSOFT International Symposium on Software Testing and Analysis
快速位向量可满足性
利用一阶公式中的区间与数据依赖信息加速 eager SMT 求解中的位向量可满足性判定。
发现数值库中的不一致
提出 FPDiff，自动发现不同数值库中的同义函数，并通过差分测试定位结果不一致与缺陷。
检测与理解机器学习库中真实世界的差分性能缺陷
提出差分性能分析的模糊测试与决策树解释方法，发现并定位机器学习库中的性能缺陷。
检测概率与机器学习应用中的 flaky tests
针对概率编程与机器学习框架的非确定原语所引发的 flaky tests，研究如何检测这类非确定失败。
收入越高，贷款越大？机器学习模型的单调性测试
指出现有工作缺乏对已训练机器学习模型、尤其是黑盒模型的单调性检查方法，并聚焦其测试需求。
智能合约分析工具有多有效？使用缺陷注入评估智能合约静态分析工具
提出 SolidiFI，通过自动缺陷注入系统评估智能合约静态分析工具，揭示漏报与误报。
基于语法与语义融合学习的功能性代码克隆检测
提出语法-语义融合嵌入的联合代码表示，并定义调用关系粒度，用监督深度学习检测功能性代码克隆。
IoT 系统中交互威胁的可扩展分析
提出 IoTCOM，结合程序分析与形式化违例检测，可扩展地发现 IoT 应用中隐藏的交互安全威胁。
基于自适应神经元选择策略的深度神经网络高效白盒测试
提出 Adapt，通过持续自适应地调整神经元选择策略，显著提升深度神经网络白盒测试的覆盖率与对抗输入发现能力。
逃离依赖地狱：用统一依赖图发现构建依赖错误
提出统一依赖图 UDG，融合静态与动态信息编码声明与实际依赖，实现高效精确的构建依赖错误检测工具 VeriBuild。
ARM 反汇编工具的实证研究
对 ARM 反汇编工具进行实证评估，检验反汇编与函数识别可靠性这一隐含假设是否成立。
Scaffle：百万级文件上的缺陷定位
提出 Scaffle，将大规模崩溃缺陷定位拆分为机器学习行筛选与信息检索文件检索两步，在 Facebook 百万级异构代码库上取得 40%–60% 的 top-1 准确率。
通过二进制扫描识别原生代码中的 Java 调用
反汇编 native 二进制并恢复 JNI 符号，静态建模 native 回调，使 Java 静态分析能健全地捕捉 native 代码中的 Java 调用。
移动应用缺陷报告中动作的自动分类
提出 MaCa，结合自然语言处理、应用静态分析与机器学习，自动识别并分类移动应用缺陷报告中的动作词。
抽象化引发失败的输入
提出 DDSET，用输入文法将单个失败输入泛化为抽象失败输入，用于诊断失败条件并生成更多测试。
让符号执行永远运行下去
提出将符号执行状态记录到磁盘并选择性恢复路径的技术，使符号执行能够无限期运行。
测试高性能数值模拟程序：经验、教训与开放问题
报告五个核电数值模拟程序的测试实践，发现 33 个缺陷，指出基于性质与蜕变测试最有效。
面向符号执行的可重定位寻址模型
提出用符号地址替代具体地址的可重定位寻址模型，使已分配对象的内存表示可在分配后动态修改，提升符号执行效率。
面向静态分析半隐式并行化的编程模型
提出受响应式编程启发的半隐式并行化编程模型，让分析开发者无需自行处理并发即可并行化静态分析。
CPSDebug：一种信息物理系统故障解释工具
提出灰盒调试工具CPSDebug，结合测试、规约挖掘与故障分析，解释MATLAB Simulink/Stateflow模型故障的时空传播。
CoCoNuT：结合上下文感知神经翻译模型的集成方法用于程序修复
提出 CoCoNuT，通过集成多个上下文感知的神经翻译模型来修复程序，克服传统 APR 依赖硬编码规则的局限。
Echidna：面向智能合约的有效、易用且快速的模糊测试
提出开源智能合约模糊测试器 Echidna，可轻松自动生成测试以发现断言和自定义属性违规。
DeepGini：对海量测试用例进行优先级排序以增强深度神经网络的鲁棒性
提出 DeepGini 测试优先级排序方法，在海量测试中优先选取更可能暴露 DNN 错误的用例以提升鲁棒性。
自动程序修复能否精化故障定位？一种统一的调试方法
首次反向统一程序修复与故障定位，利用补丁执行结果作为反馈来精化故障定位。
面向二进制程序的基于补丁的漏洞匹配
提出 BinXray，通过补丁差分提取基本块轨迹签名，准确检测二进制程序中的 1-day 漏洞并降低误报。
WEIZZ：面向结构化二进制格式的自动灰盒模糊测试
提出 WEIZZ，一种针对结构化二进制格式的自动灰盒模糊测试方法，旨在让输入通过格式解析阶段以触达更深层程序行为。
我们走了多远：测试 C 反编译器的反编译正确性
本文关注 C 反编译器正确性测试，旨在衡量其反编译结果重编译后是否保持原程序功能。
REST API 的差分回归测试
提出基于差分测试的 REST API 回归测试方法，通过比较不同版本的行为差异自动发现规范与服务的破坏性变更。
依赖测试感知的回归测试技术
提出依赖测试感知的回归测试技术，利用顺序依赖测试的资源共享优势，同时减少 flaky 测试失败。
学习输入 token 以实现高效模糊测试
扩展动态污点分析以自动推断输入语言的 token 与种子，显著提升 fuzzing 覆盖率。
基于搜索的测试中恢复过程间布尔标志的适应度梯度
针对过程间布尔标志导致分支距离无梯度的问题，恢复适应度梯度以指导搜索式测试生成。
自动驾驶系统中特征交互故障的自动修复
提出面向自动驾驶系统特征交互故障的自动修复技术，可定位并同时修复多个系统级安全违规。
FineLock：自动将粗粒度锁重构为细粒度锁
提出基于程序分析与下推自动机的自动重构工具 FineLock，将粗粒度锁转换为细粒度锁以降低锁竞争。
ObjSim：基于对象相似度的轻量级自动补丁优先级排序
提出 ObjSim，基于对象相似度自动优先排序 APR 补丁，将更可能真实的修复排在前列。
基于知识图谱的自动测试众包需求生成
提出工具 KARA，通过分析自动测试序列并构建知识图谱，自动生成可理解且提升众包测试质量的需求。
移动机器人的可行且高压力轨迹生成
提出融合运动学/动力学模型与可参数化评分模型的轨迹生成框架，为移动机器人高效生成物理可行且能暴露故障的高压力轨迹。
面向网络应用的反馈驱动侧信道分析
提出 AutoFeed 工具，通过反馈驱动输入变异量化网络应用的侧信道信息泄露，并识别泄露最严重的特征。
ProFL：面向 Prolog 的故障定位框架
将基于频谱与变异的故障定位技术适配到 Prolog，并实现为开源命令行工具 ProFL，输出可疑子句。
学习检测电子表格中的表格克隆
提出基于学习的电子表格表格克隆检测，以识别发生结构变化的克隆，弥补现有方法仅支持同结构克隆的不足。
基于切片覆盖过滤的测试推荐系统
提出 TeSRS，利用程序切片和覆盖过滤从众包测试脚本中推荐单元测试片段，帮助新手学习单元测试。
EShield：保护智能合约免受逆向工程
提出 EShield，通过将跳转地址相关指令替换为反模式，干扰字节码控制流恢复，从而保护智能合约抗逆向工程。
自动支持识别不可行测试需求
提出自动识别不可行测试需求的方法，并计划用搜索式算法自动化处理顺序与并发程序中的不可行性。
嵌入式系统领域中的间歇性失败测试
通过工业嵌入式系统案例，度量、归类并解释间歇性失败测试的根因。
基于强化学习的好奇心驱动 Android 应用测试
提出 Q-testing，用好奇心驱动的强化学习结合记忆集与神经网络状态比较模块，提升 Android GUI 测试的覆盖率与缺陷检测能力。
实证重访与增强基于信息检索的测试用例优先级排序
在大规模真实失败数据上重评估并增强基于信息检索的测试用例优先级排序，提出混合技术，并揭示 flaky 测试影响。
数据丢失检测器：自动揭示 Android 应用中的数据丢失缺陷
提出 DLD，一种集成探索策略、数据丢失触发动作与定制预言机的 Android 测试用例生成技术，自动暴露状态丢失缺陷。
主动模糊测试：面向信息物理系统的测试与安全保障
提出主动模糊测试，用在线主动学习指导包级网络攻击搜索，自动发现CPS攻击测试套件并可用作异常检测。
移动应用的能耗问题检测与诊断
提出一种结合输入序列设计与运行时上下文的测试框架，利用机器学习聚类工作负载，有效检测并诊断移动应用的能耗问题。
面向 MQTT 应用程序的程序感知模糊测试
针对 MQTT 现有黑盒模糊测试难以发现漏洞的问题，研究程序感知的模糊测试策略。
调试 Maven 测试隔离的性能：经验报告
通过分析测试隔离进程间通信机制，定位并修复 Maven 测试执行中的性能缺陷，使单测试平均提速约 350 毫秒。
面向视觉视角的移动应用自动化测试
提出完全基于计算机视觉的移动应用自动化测试方法，从外部 GUI 信息推断功能并生成测试策略。
可扩展的构建服务系统与智能调度服务
提出可扩展构建服务系统与智能调度服务，应对大型单体仓库每日数百万次 CI 构建的调度与及时性挑战。
TauJud：司法文书机器学习的测试增强
提出 TauJud，为司法文书生成按时间和地点均匀分布的测试数据，降低评估标注成本。
DeepSQLi：面向 SQL 注入测试的深度语义学习
提出 DeepSQLi，用深度神经语言模型学习 SQLi 攻击语义并生成测试用例，从而更高效地检测 SQL 注入漏洞。
检测 Spark 应用中的缓存相关缺陷
提出 CacheCheck，通过动态分析执行轨迹自动检测 Spark 应用中 RDD 缓存相关的性能缺陷。
201952 篇 · Proceedings of the 28th ACM SIGSOFT International Symposium on Software Testing and Analysis
面向代码库自适应的安全相关方法检测
提出全自动机器学习工具 SWAN 检测 Java 程序的安全相关方法并按 SANS Top 25 分类，辅以 SWANAssist 让用户细化分类。
Judge：识别、理解与评估调用图中不健全性的来源
提出 Judge 工具链，识别并评估调用图不健全性的来源，刻画 Soot/WALA/DOOP/OPAL 的健全性能力。
差分测试程序分析器的健全性与精度
提出首个自动差分测试程序分析器健全性与精度的技术，并比较六个成熟分析器。
VBSAC：面向 C 语言的基于值的静态分析器
提出可插拔的基于值静态分析器 VBSAC，通过多值分析插件共享信息提升 C 程序缺陷检测精度与召回率。
从 typestate 验证到可解释深度模型（特邀报告摘要）
回顾 typestate 验证的经典论文及其抽象域思想，并展示其如何演进为面向代码补全的机器学习与可解释深度模型研究。
DeepFL：融合多维度故障诊断特征进行深度故障定位
提出深度学习方法 DeepFL，自动学习多维度故障诊断特征，显著提升故障定位精度。
利用智能合约中的顺序规律
提出 EthRacer，用偏序归约与动态符号执行检测以太坊智能合约的事件排序漏洞。
SAFEVM：面向以太坊智能合约的安全性验证器
提出 SAFEVM，将 Solidity/EVM 智能合约翻译为 C 程序，借助现有 C 验证引擎验证安全断言与数组访问。
VFQL：将组合式静态分析作为查询语言
提出 VFQL——在值流图上进行组合静态分析的查询语言与框架，支持用户自定义缺陷检测。
论GPU程序的正确性
指出现有CPU测试准则无法直接用于GPU程序，需针对GPU内存与执行模型建立新的测试质量度量与用例生成方法。
字符串求解器的理论与实践（特邀报告摘要）
回顾 HAMPI——最早实用的字符串约束求解器之一——及其对字符串求解理论与应用的广泛影响。
DeepHunter：面向深度神经网络的覆盖率引导模糊测试框架
提出覆盖率引导的 DNN 模糊测试框架 DeepHunter，通过变形变异和种子选择检测 DNN 缺陷。
TBar：重新审视基于模板的自动程序修复
系统整理修复模式并构建 TBar，在 Defects4J 上正确修复 43 个缺陷，刷新当时 APR 最佳成绩。
使用基于搜索的程序化内容生成自动测试自动驾驶汽车
结合程序化内容生成与基于搜索的测试，自动为自动驾驶车道保持软件生成能暴露失效的虚拟道路场景。
在大型工业环境中定位 flaky tests 的根因
聚焦大型工业 CI 中 flaky tests 的根因定位，分析非确定性失败对开发者生产率与可靠性的影响。
语义模糊测试：Zest
Zest 将 QuickCheck 式随机生成器转为参数化生成器，并用覆盖率和有效性反馈引导语义分析阶段的模糊测试。
利用基于图像的控件检测改进随机 GUI 测试
提出用机器学习从屏幕截图识别 GUI 控件，并以此指导随机 GUI 测试，显著提升分支覆盖率。
Android 应用的自动化 API 使用更新
提出一种基于他人更新示例自动为 Android 应用生成并验证 API 变更补丁的技术。
避免崩溃的程序修复
融合补丁生成与测试生成，用灰盒模糊测试优先区分候选补丁，避免修复程序崩溃。
LibID：可靠识别经过混淆的第三方 Android 库
提出 LibID，用静态分析与二进制整数规划识别混淆 Android 应用中的第三方库及其版本。
缓解不稳定测试对变异测试的影响
提出在变异测试全流程中策略性重跑测试以管理 flaky 测试的技术，并在 PIT 中实现，大幅减少未知变异体。
Android 应用不兼容性的大规模研究
对 62,894 个 Android 应用及 15,045 个应用运行轨迹的纵向研究，揭示安装期与运行期不兼容的表现与成因。
学习 UI 元素交互方式
将 UI 元素可交互方式的识别建模为多臂老虎机问题，用强化学习自动学习并引导 GUI 测试生成。
历史驱动的构建失败修复：我们走了多远？
构建大规模 Gradle 构建失败数据集，揭示历史修复工具 HireBuild 的局限，并提出基于当前项目与外部资源搜索的简单方法，修复量翻倍。
调试器的交互式蜕变测试
提出首个面向调试器的交互式蜕变测试方法，通过运行时变换代码与调试动作检测调试器缺陷。
通过异常传播与基于搜索的测试实现有效且高效的 API 误用检测
提出 Catcher，结合静态异常传播分析与搜索式测试生成，高效检测客户端中可导致崩溃的 API 误用。
通过模糊测试在符号执行中实现延迟具体化
提出延迟具体化算法与 symcrete 值，将符号执行中的具体化推迟到需要时，以减少路径发散并提高覆盖率。
无覆盖率信息的失败聚类
提出不依赖代码覆盖率的失败测试聚类方法，并为每个簇选取代表性测试，以加速汽车回归测试中的故障分析。
在缺少 issue 与变更跟踪系统的情况下挖掘 Android 崩溃修复
论文提出 CraftDroid，从应用市场重建的应用谱系中挖掘 Android 崩溃修复，并发布崩溃基准 ReCBench。
QADroid：面向 Android 应用的回归事件选择
首个感知 Activity 与事件的 Android 回归选择工具，Activity 选择减少 58%、事件选择减少 74%。
基于 Bellwether 分析的软件漏洞预测成本有效策略
提出 Bellwether 算法筛选代表性数据子集并调参，提升漏洞预测模型精度与成本效益。
Androlic：一个可扩展的、流/上下文/对象/字段/路径敏感的 Android 静态分析框架
提出可扩展的 Android 静态分析框架 Androlic，同时支持流、上下文、对象、字段与路径敏感，并可通过配置与 API 定制分析任务。
带观察者的最优上下文敏感动态偏序归约
提出结合上下文敏感与观察者条件独立性的DPOR算法，显著提升无状态模型检验效率。
Adlib：移动广告平台库分析器
提出 Adlib，一个用于分析移动广告平台库的工具，帮助揭示其权限之外的潜在敏感功能与行为。
测试质量的新维度：评估与生成更高质量的单元测试用例
提出轻量级变异测试估计与 test focus 新指标，以评估并驱动生成更高质量的单元测试。
基于搜索的机器学习异常检测系统测试与改进
用搜索式训练攻击测试IDS并协同演化防御，使系统对50个独立攻击中的49个具备韧性。
Go-clone：面向 Golang 的基于图嵌入的克隆检测器
提出基于图嵌入的 Go 代码克隆检测器，应对 Golang 并发语法带来的克隆检测挑战。
基于自动提取 C 语义摘要的 JNI 程序分析
提出面向 JNI 的程序分析，通过自动提取 C 语义摘要来刻画 Java-C 互操作语义，以发现跨语言缺陷。
软件测试研究的一些挑战（特邀报告论文）
基于 Facebook 部署 Sapienz 的经验，提出软件测试尤其是基于搜索的软件测试的四个开放挑战。
为文法模糊测试挖掘约束
提出从上下文无关文法自动挖掘约束并生成属性文法，降低高效基于文法模糊测试的门槛。
条件动态偏序归约与最优性结果
提出条件独立性概念与相应DPOR算法，缓解并发系统探索中的组合爆炸并给出最优性结果。
识别复杂系统中的错误码误用
通过实证研究归纳三类错误码误用，并提出基于错误码定义与错误域赋值的静态分析方法。
Ukwikora：面向关键字驱动测试的持续检查
提出并工业部署Ukwikora，静态持续检查Robot Framework关键字驱动验收测试，发现重复代码、死代码与测试依赖问题。
迈向分布式系统信息流安全的可扩展防御
提出三项关联研究，通过运行时度量、可扩展动态信息流分析和自适应依赖分析，防御分布式系统信息流安全风险。
JQF：Java 中覆盖率引导的属性测试
提出 Java 平台 JQF，将覆盖率引导模糊测试与属性测试结合，兼顾实践者找 bug 与研究者实现新算法。
TestMig：将 GUI 测试用例从 iOS 迁移到 Android
无需迁移样例，用 iOS GUI 事件序列引导 Android 探索，自动生成等价的 GUI 测试用例。
Sara：面向工业场景的 Android 自回放增强录制与回放
提出 SARA，结合动态插桩、自回放录制与自适应回放，实现工业级 Android 应用录制回放。
基于源级插桩的运行时内存错误检测
提出源级插桩方法，在运行时检测 C 程序内存错误，规避 IR/二进制插桩的优化敏感、平台依赖与 DO-178C 合规问题。
评估 C 语言并行测试的现状并改进其技术
大规模分析 C 项目测试套件，提出安全并行执行判定与进程/线程并行策略，显著加速测试。
持续软件性能评估：在每次构建时检测软件库的性能问题
提出将软件微基准纳入持续集成，用云基础设施与执行时间缩减技术，在每次构建检测软件库性能退化。
CoCoTest：面向 Android 应用的协作式众包测试
提出众包测试平台 CoCoTest，通过集体智能协作生成、聚合与推荐 Bug 报告，提升报告质量并降低测试成本。
CTRAS：聚合与总结众包测试报告的工具
提出 CTRAS 工具，基于文本与截图自动检测重复众包测试报告并进行聚合总结。
201838 篇 · Proceedings of the 27th ACM SIGSOFT International Symposium on Software Testing and Analysis
利用社区结构进行浮点精度调优
提出基于浮点变量社区结构的层次化精度调优方法，提升混合精度搜索效率与效果。
TensorFlow 程序缺陷的实证研究
通过 StackOverflow 与 GitHub 数据揭示 TensorFlow 程序缺陷的根因、症状及检测定位策略。
用 Flix 进行安全且可靠的程序分析
提出用 Flix 语言实现静态分析，从语言层面保障不动点计算安全终止且分析结果可靠。
深度规约挖掘
提出 DSM，用深度学习从执行轨迹中挖掘有限状态自动机规约，并在库类与 Android 沙箱中验证有效性。
静态分析告警的重定位
针对静态分析告警数量过多的问题，提出“告警重定位”思路以提升工具可用性。
利用已有补丁与相似代码塑造程序修复空间
提出结合已有补丁与相似代码来塑造自动程序修复搜索空间的方法。
使用蜕变测试识别基于机器学习的图像分类器中的实现缺陷
提出基于蜕变测试的方法，为SVM和深度学习图像分类器构建蜕变关系，识别实现缺陷。
CiD：自动检测 Android 应用中与 API 相关的兼容性问题
通过建模 Android API 生命周期并分析字节码，自动标记可能导致兼容性崩溃的 API 用法。
通过深度学习的编译器模糊测试
提出用深度学习生成测试程序，降低为每种语言手工开发编译器 fuzzer 的成本并扩大语言空间覆盖。
将代码注释翻译为过程规范
提出 Jdoctor，结合模式、词汇和语义匹配，将 Javadoc 注释自动翻译为可执行过程规范，并提升测试生成质量。
分析分析器：FlowDroid/IccTA、AmanDroid 与 DroidSafe 的对比研究
在统一配置与同一基准上独立复现并对比三款 Android 信息流静态分析工具，揭示比较偏差与工具不准确原因。
Bench4BL：基于信息检索的缺陷定位性能的复现性研究
通过复现性基准研究评估基于信息检索的缺陷定位方法的真实性能，揭示现有评估的不足。
比较开发者提供与用户提供的测试在故障定位与自动程序修复中的表现
比较开发者提交的测试与用户提供的测试，评估二者对故障定位和自动程序修复技术评估的影响。
从堆中射击：使用堆快照的超可扩展静态分析
提出将动态堆快照与完整静态程序行为分析结合的轻量级分析，以提升全程序静态分析的可扩展性。
Java 动态代理的静态分析
以简洁逻辑规则在 Doop 中建模 Java 动态代理语义，使静态分析得以穿透代理层。
数组索引的轻量级验证
提出一种轻量级验证数组索引的方法，以防止越界访问导致的安全漏洞与程序崩溃。
基于搜索的遗留电子表格应用迁移中的偏差故障检测
提出基于搜索的测试生成方法，自动检测电子表格迁移到Java后产生的数值偏差故障。
piCoq：面向大规模验证项目的并行回归证明
提出融合并行证明检查与回归选择的技术及工具 piCoq，显著加速 Coq 大规模验证项目的证明检查。
PerfFuzz：自动生成病态输入
提出 PerfFuzz，通过多维反馈的变异模糊测试自动生成触发程序病态性能的输入。
利用程序修复消除时序侧信道泄漏
提出基于程序分析与变换的修复方法，消除软件中的指令级与缓存时序侧信道。
自动将缺陷报告转化为移动应用测试用例
提出 Yakusu，结合程序分析与自然语言处理，从移动应用缺陷报告自动生成可执行测试用例。
Badger：结合模糊测试与符号执行的复杂度分析
提出结合模糊测试与符号执行的复杂度分析工具 Badger，发现最坏情况时间/空间复杂度异常脆弱点。
评估真实软件演化中的测试套件缩减
指出现有仅用植入故障评估测试套件缩减的不足，并在真实软件演化中评估其未来故障检测效果。
面向侧信道检测的符号路径代价分析
提出符号路径代价分析，通过分支/循环组件代价表达式与 SMT 查询静态检测程序侧信道。
从代码中移除 RATs：面向移动应用的资源低效数据库写入的自动优化
提出自动检测并改写 Android 应用中循环内触发低效 autocommit 的数据库写入，降低能耗并提升运行时性能。
从执行轨迹中生成测试：面向 R 的自动化单元测试抽取
提出 Genthat，从 R 程序执行轨迹非侵入式抽取单元测试，降低测试编写成本并提升覆盖率。
Mutode：通用的 JavaScript 与 Node.js 变异测试工具
提出开源变异测试工具 Mutode，利用 npm 生态为 JavaScript/Node.js 应用注入变异以评估测试套件有效性。
ANaConDA 框架在并发 C/C++ 程序动态分析与测试方面的进展
介绍 ANaConDA 框架的进展：可在二进制级动态分析/测试并发 C/C++ 程序，内置多种检查器并支持噪声注入。
利用 Tuscan 做出数据驱动的移植决策
提出/讨论用 Tuscan 基于数据辅助软件移植决策，以应对构建过程对编译器与标准库实现的高度平台敏感性。
编码时并发问题的实用检测
提出一种用于 C#/Visual Studio 的快速静态检查器，在编码时检测数据竞争与死锁。
使用 ComRaDe 管理数据竞争的并发测试
提出 ComRaDe 工具，通过管理并发测试来辅助确认数据竞争报告，降低真/假阳性甄别的耗时。
使用 Java PathFinder 的测试输入生成：过去与现在（特邀报告摘要）
回顾基于模型检测与符号执行、在 Java PathFinder 中实现并面向复杂数据与前置条件的测试输入生成技术。
信息物理系统验收测试的测试用例优先级排序：一种多目标搜索方法
提出多目标搜索与用例最小化结合的CPS验收测试用例排序方法，在时间约束和硬件风险下优化测试。
面向移动应用编程作业高效大规模评估的测试迁移
提出 GUITestMigrator，将某个 Android 应用的 GUI 测试自动迁移到同一规格的其他应用，以支持大规模作业评估。
LAND：面向 Android 应用的易用且可定制测试生成工具
提出 LAND 工具，通过构建可复用 GUI 窗口转换模型 LATTE，实现 Android 应用可定制测试生成并提高覆盖率。
OASIs：测试预言评估与改进工具
OASIs 是一个基于搜索的 Java 工具，结合测试生成与变异测试帮助评估并迭代改进测试预言。
面向网络拓扑的自动化测试映射与覆盖率
为网络拓扑测试提出自动判定测试用例适配的物理测试系统并建立逻辑到物理拓扑映射的方法。
MalViz：一个用于追踪恶意软件的交互式可视化工具
提出 MalViz，一款通过进程监控事件分析恶意软件行为模式并追踪感染痕迹的交互式可视化工具。