文章主要内容总结本文介绍了一种名为VISTAFUZZ的新型模糊测试技术，旨在利用大型语言模型（LLMs）对OpenCV库进行文档引导的自动化测试。OpenCV作为最流行的开源计算机视觉库，其API的可靠性对下游应用至关重要，但现有模糊测试技术难以处理其复杂的参数约束和依赖关系，且无法覆盖文档不完善的API。VISTAFUZZ的核心流程包括：利用GPT-4解析API文档，生成标准化的API信息（涵盖参数类型、大小、默认值、约束及参数间依赖等）；针对文档完善的API直接解析，对文档不完善的API则通过学习完善文档中的模式进行信息推断；基于标准化信息提取参数约束和依赖关系，生成符合要求的测试用例；对330个OpenCV API进行测试，共检测到17个新漏洞，其中10个被确认，5个已在最新版本中修复。创新点首个针对OpenCV的自动化测试方法：填补了OpenCV库自动化测试的空白，专门处理其API的参数约束和依赖关系。LLM驱动的文档处理：利用GPT-4解析和标准化API文档，不仅覆盖完善文档的API，还能通过迁移学习推断文档不完善API的信息，扩展测试范围。高效的约束与依赖提取：从标准化信息中提取参数约束和依赖关系，生成高有效性的测试用例（有效率达99.39%），显著提升代码覆盖率和漏洞检测能力。