fuzz4all

用大模型自动生成测试输入,发现各种软件漏洞

Fuzz4All 是一个利用大型语言模型(LLM)实现通用模糊测试(Fuzzing)的开源框架。它解决传统模糊测试工具针对特定语言或输入格式定制、难以泛化的问题,通过 LLM 的代码理解和生成能力,自动为多种编程语言(如 C、Java、Python 等)和多种输入格式(如 AST、配置、汇编等)生成大量有效且多样的测试输入。其核心能力包括:基于用户提供的语法或示例自动生成种子输入,利用 LLM 进行变异和生成,并支持多种目标(如编译器、解释器、解析器)。Fuzz4All 旨在发现软件中的崩溃、未定义行为或逻辑错误,提升软件健壮性。项目处于早期阶段,提供命令行工具和 Python API,便于集成到现有测试流程。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 338
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队fuzz4all
所属国家
定价模式free
价格说明开源项目,基于CC-BY-4.0许可证,可自由使用,无付费版本。
访问状态
是否开源是
开源协议CC-BY-4.0
主要语言Python
技术栈/模型fuzzing,large-language-models,llm,program-synthesis,testing
GitHub 星标★ 338
30天Star增速
HF 下载量
上线时间2024-01-30 00:00:00
最近更新2026-09-16 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数37

使用教程

核心亮点

  • 通用性强:支持多种语言和输入格式,无需为每个目标定制工具
  • 利用 LLM 生成高质量种子,比传统随机变异更有效
  • 易于扩展:提供简洁 API,可快速接入新语言或目标

不足之处

  • 依赖外部 LLM API,运行成本较高且需网络
  • 文档/社区待观察

适用场景

  • 编译器/解释器测试:发现崩溃或未定义行为
  • 解析器/反序列化器测试:验证输入处理鲁棒性
  • 安全研究:挖掘开源软件中的潜在漏洞

替代项目

AFL++、libFuzzer、Honggfuzz

项目介绍

fuzz4all 是编程开发领域的开源项目,由 fuzz4all 开发,2024 年首次发布。

它收录于编程开发分类,该分类目前共有 505 个项目,GitHub 星标数为 338。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-16。基于CC-BY-4.0许可证,可自由使用,无付费版本。

它主要面向的使用场景是:编译器/解释器测试:发现崩溃或未定义行为。同类可对比的替代方案包括 AFL++、libFuzzer、Honggfuzz。

上一篇:CodeFuse-Query

下一篇:Awesome-Code-Intelligence

同类项目推荐

bolt.new 开源

想到啥说啥,网页应用当场生成直接能用

Prompt, run, edit, and deploy full-stack web applications. -- bolt.new -- Help Cente···

★ 16557 2026-08-09
fuzz4all 开源

用大模型自动生成测试输入,发现各种软件漏洞

️Fuzz4All: Universal Fuzzing with Large Language Models

★ 338 2026-08-09
superpowers-zh 开源

全套 AI 编程神技汉化好了,照着用就行。

AI 编程超能力 · 中文增强版 — superpowers(250k+ ⭐)完整汉化 + 4 个中国原创 skills···

★ 8188 2026-08-09
crystal 开源

多个 AI 同时写不同功能,互不干扰齐头并进。

(Crystal is now Nimbalyst) Run multiple Codex and Claude Code AI sessions in paralle···

★ 3121 2026-08-09