PostgreSQL 19 测试期罕见回退了约 8 至 10 个重要功能。原因包括：LLM 辅助代码审查提高质量标准，暴露旧代码边缘缺陷；Vulnpocalypse 使资深开发者忙于安全修复，测试审查减少；系统复杂度高，功能组合难以穷尽测试。社区倾向按期发布而非延迟。作者建议引入 LLM 辅助模糊测试和“实验性”功能状态，并相信多数功能会回归。
GitHub安全实验室利用开源AI安全代理，通过定向AI任务流对Android应用进行模糊测试，发现24个Android漏洞，并介绍了这些漏洞及如何在自己应用上运行同一开源代理。
本文介绍GitHub在AI与机器学习领域的进展：聊天界面不适用时可用画布交互；利用GitHub安全实验室Taskflow Agent框架开展AI驱动模糊测试；GitHub Copilot应用重构差异视图，流畅渲染百万行、含数百条内联评论的超大拉取请求。
GitHub 在 AI 开发方面取得多项进展：使用 GitHub Security Lab Taskflow Agent 实现 AI 驱动的模糊测试；重构 GitHub Copilot 应用的差异视图，支持打开百万行级拉取请求及大量行内评论；并在播客中探讨是否应阅读代码、RAG 是否已死、Skills 是否取代 MCP 等 AI 热点话题。
论文指出，以LLM为核心的反编译器即使通过编译和测试，仍有4.9%至13%的代码在合法输入上与原始程序行为不符，现有指标无法捕捉此类错误。为此提出Decompile-Diverge，用模糊测试对比行为，发现可重编译性与行为一致性背离，漏洞可能无声消失。建议将可重编译性降为必要条件，并辅以行为等价测试。
Canonical资助布里斯托大学研究，利用AI工具将旧C代码自动重写为安全Rust，并以AppArmor和snap-confine为测试对象。研究重点在于验证生成代码与原C行为一致，避免依赖unsafe，结合模糊测试和符号修复确保内存安全及功能等价，旨在解决大规模重写中的信任问题。
TokioConf 2026 的演讲视频已在 YouTube 上公开，2027 年会议将在波特兰举行。会议讨论了新的 API 提案 spawn_compute。Rust 模糊测试实验比较了生成式与变异式策略，结果显示生成式覆盖更广，而变异式在已知路径上更有效。此外，Rustls 性能报告显示其在握手吞吐量和内存占用方面与 OpenSSL、BoringSSL 相当或更优，为 TLS 替换方案提供了数据支持。
尽管OSS-Fuzz对开源项目进行了多年模糊测试，仍有漏洞存在。OSS-Fuzz与OpenSSF合作发现了大量漏洞，但持续的模糊测试并非解决所有问题的灵丹妙药。许多项目在多年测试后仍有严重漏洞，需要人工监督以确保测试覆盖率并编写新的模糊器。
网络编程测试需建立完善体系，包括单元测试、集成测试和模糊测试。通过真实事件循环和socketpair进行单元测试，利用Linux tc模拟网络故障，采用libFuzzer进行协议解析测试，以确保服务质量并及时修复Bug。
SMB3内核服务器是Linux内核的一个组件，优化了SMB请求处理。通过内核与用户空间的协作，ksmbd实现了高效的多线程架构。尽管默认未启用，但它是学习SMB协议和Linux机制的理想对象。研究中使用syzkaller进行模糊测试，解决了数据包标记和动态内存分配的挑战。
在Sentry的Hackweek中，团队开发了名为Gremlins的AI模糊测试代理，旨在通过模拟用户行为发现软件错误。Gremlins利用Sentry的SDK捕捉错误并收集数据，以提高应用程序的稳定性。它通过创建网页的文本表示与网站互动，但在资源使用和智能方面仍面临挑战。
文章讨论了将 Rust 的 arbitrary 和 derive_arbitrary crate 更新至 v1.4.2，以减少编译时间和提高模糊测试速度。作者提出三项改进，成功将增量重建时间减少约5%。同时，分享了开发 FAT32 驱动程序的经验，展示了在嵌入式项目中的成功实施过程。
模糊测试是一种动态软件测试技术，通过输入无效或随机数据来发现难以检测的错误。本文介绍了如何在CLion中使用CI Fuzz工具进行模糊测试，分析结果并调试函数，揭示传统测试方法无法发现的漏洞，助力高质量软件开发。
这是一款基于模糊测试的WAF绕过工具，支持命令执行和SQL注入绕过。用户需准备HTTP请求文件，标记payload位置并验证有效性。可与Burp Suite配合使用，生成payload并进行发包。使用时需遵循网络安全法，作者不承担因使用信息导致的责任。
JetBrains重视Kotlin编译器的质量，采用模糊测试来发现传统测试可能遗漏的错误。通过与TU Delft合作，JetBrains在Kotlin编译器中实施模糊测试，成功发现并修复了多个错误，包括新K2编译器中的问题。这种方法结合了生成性和变异性模糊测试，提高了错误发现的效率。
现代CPU在字节码解释器中的间接跳转预测表现优异，尤其是使用ITTAGE分支预测器。该预测器通过历史数据映射预测分支行为，并动态选择历史长度以提高准确性。TAGE和ITTAGE的设计展示了动态选择历史长度的潜力，可能对覆盖引导模糊测试等领域具有启发意义。
本文介绍了静态和动态反汇编的基本概念与工具。静态反汇编包括线性分析和递归分析，前者适合快速分析，后者适合深入分析。动态反汇编使用GDB调试工具，展示了设置断点、记录指令和执行过程的方法。此外，还提到模糊测试工具如AFL和Google的OSS-Fuzz，用于覆盖二进制文件的新代码路径。
模糊测试（fuzzing）通过自动生成随机或无效输入来发现软件中的错误和漏洞。JetBrains Research的kotlinx.fuzz项目为Kotlin库提供高效的模糊测试框架，尽管在其他语言中已广泛应用，但在Kotlin中仍不普及。该项目展示了kotlinx.fuzz的使用示例，并计划进一步改善用户体验和功能。
CNCF通过安全审计和模糊测试提升项目安全性。2024年，CNCF持续集成OSS-Fuzz，发现并修复多个安全漏洞，增强整体安全性。
OpenTelemetry完成了Collector的模糊测试审计，以确保其安全性和可靠性。模糊测试通过大量伪随机输入检测API行为，Ada Logics团队为Collector编写了49个模糊测试，测试结果良好，审计工作仍在持续进行中。
完成下面两步后，将自动完成登录并继续当前操作。
