第1章
模糊测试概述
什么是模糊测试 · 历史与演进 · 应用场景
基础概念
第2章
传统模糊测试的瓶颈
覆盖率低 · 无效输入多 · 人工成本高 · 深层漏洞难
挑战分析
第3章
AI赋能模糊测试
AI提升效率 · 智能变异 · 路径预测 · 种子筛选
核心方法论
第4章
机器学习基础回顾
监督/无监督/强化学习在模糊测试中的角色
ML基础
第5章
深度学习基础回顾
神经网络 · RNN/LSTM · 生成对抗网络(GAN)
DL进阶
第6章
智能种子生成
基于GAN的种子生成 · 基于语言模型的种子生成
生成GAN
第7章
智能种子变异
遗传算法变异 · 强化学习变异策略
变异进化
第8章
路径预测与引导
神经网络预测代码路径 · 引导模糊器覆盖未达区域
引导覆盖
第9章
覆盖率驱动的AI模型
覆盖率作为奖励信号 · 模型训练与迭代
奖励训练
第10章
AFL的AI增强版
AFL + 机器学习 · AFL++ 智能调度
AFL增强
第11章
LibFuzzer的AI增强版
LibFuzzer + 神经网络引导
LibFuzzer引导
第12章
基于AI的漏洞检测
AI识别crash根因 · 自动分类与去重
检测分类
第13章
AI驱动的输入过滤
分类器过滤无效/重复输入 · 提升测试效率
过滤效率
第14章
强化学习在模糊测试中的应用
环境搭建 · 奖励函数设计 · 策略网络训练
RL策略
第15章
深度强化学习模糊测试
DRLFuzz · NEUZZ 等前沿框架解析
DRL前沿
第16章
GAN在模糊测试中的应用
生成高质量测试用例 · 解决数据稀疏问题
GAN生成
第17章
NLP辅助模糊测试
解析协议格式 · 生成结构化输入
NLP协议
第18章
AI模糊测试框架搭建
从零搭建AI驱动的模糊测试框架
实战框架
第19章
数据收集与预处理
收集训练数据 · 数据清洗与特征工程
数据预处理
第20章
模型选择与训练
不同场景模型选择 · 训练技巧与调参
模型调参
第21章
模型部署与集成
模型嵌入模糊测试流程 · 实时推理优化
部署推理
第22章
性能评估指标
覆盖率提升 · 漏洞发现率 · 吞吐量 · 误报率
指标评估
第23章
案例分析：挖掘真实CVE
使用AI模糊测试挖掘真实CVE漏洞
CVE案例
第24章
案例分析：Web应用实践
AI模糊测试在Web应用中的实践
Web案例
第25章
案例分析：IoT固件实践
AI模糊测试在IoT固件中的实践
IoT固件
第26章
案例分析：智能合约实践
AI模糊测试在区块链智能合约中的实践
区块链智能合约
第27章
常见陷阱与避坑指南
过拟合 · 数据偏差 · 模型开销 · 环境不一致
避坑经验
第28章
前沿趋势：LLM辅助模糊测试
大语言模型辅助模糊测试 · 自动化漏洞修复
LLM前沿
第29章
工具与资源汇总
开源AI模糊测试工具 · 数据集 · 论文推荐
资源工具
第30章
课程总结与未来展望
AI模糊测试挑战与机遇 · 如何持续学习
总结展望