关于数据库管理系统模糊测试的全面调查：技术、分类与评估

《ACM Computing Surveys》：A Comprehensive Survey on Database Management System Fuzzing: Techniques, Taxonomy and Evaluation

本文系统研究数据库管理系统（DBMS）模糊测试技术，提出OpenDBFuzz开源工具集并开展方法对比实验，揭示DBMS模糊测试的特殊性及现有方法局限，构建覆盖数据结构、查询接口、事务管理的分类体系，为数据库安全测试提供理论框架和实践参考。

　　

摘要AI摘要

要查看此由AI生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

数据库管理系统（DBMS）模糊测试是一种自动化测试技术，旨在通过生成、修改和执行测试用例来检测DBMS中的错误和漏洞。它不仅减少了手动测试的时间和成本，还提高了检测覆盖率，为开发商业DBMS提供了宝贵的帮助。现有的模糊测试研究主要集中在通用软件上。然而，DBMS在内部结构、输入/输出和测试目标方面与通用软件有所不同，因此需要专门的模糊测试策略。因此，本文重点讨论DBMS模糊测试，并对该领域的方法进行了全面的回顾和比较。首先，我们介绍了基本概念。然后，我们系统地定义了一个通用的模糊测试流程，并对现有方法进行了分类和分解。此外，我们从测试目标的角度对现有方法进行了分类，涵盖了DBMS中的各种组件。对于具有代表性的研究，提供了更详细的描述以分析它们的优点和局限性。另外，我们还回顾了针对非关系型DBMS的最新模糊测试方法以及新兴技术。为了客观评估每种方法的性能，我们提供了一个开源的DBMS模糊测试工具包OpenDBFuzz。基于该工具包，我们对现有方法进行了详细的实验性比较分析，并最终讨论了未来的研究方向。

AI摘要

AI生成的摘要（实验性)

此摘要是使用自动化工具生成的，不是由文章作者撰写的或审核的。它旨在帮助发现问题、帮助读者评估文章的相关性，并协助来自相关研究领域的读者理解文章内容。它旨在补充作者提供的摘要，后者仍然是文章的官方摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由AI生成的通俗语言摘要，您必须具有高级访问权限。