Abstract
背景：Language processors，比如编译器或者解释器，很重要，但是现在的fuzzer却大部分不能够生成具有足够语法正确性的种子，或者只针对一种或几种languages
本文：
提出工具PolyGlot
特点: generic fuzzing framework + high-semantic-correct test cases
方法:
- Intermediate representation
- constrained mutation
- semantic validation
实验:
对象：21个language processors, 9种编程语言
效果：发现了173bugs, 113 fixed, 18 CVEs，认为能够处理很多languages
比现有的code fuzzers多出30倍code coverage
1. Introduction
Language processors的意义，出问题的严重性，fuzz的挑战，
实验：
对象: 21种常见编译器，九种编程语言
效果：
- 找到173个新bugs(113 fixed, 18 CVEs)
- 100倍语言正确性提升
- 30倍新路径发现
- 8倍unique bugs发现
2. Problem
首先描述了language processor是什么，如果发生了语法/语义错误怎么办
已有工作
A: 无结构突变-效果：几乎无法生成语法正确的test cases
进一步-在AST或者IR上突变或者generation-based，问题：难以同时兼顾通用性和效果，举了CSmith的代码行数为例
本文-PolyGlot
fuzzing framework, can generate semantically valid test cases
- uniform IR
- 给定BNF范式，将源程序转换为IR
- 用户可以提供语义注释来描述语言的scopes和types，这些注释将会在翻译中起到语义作用，例如
. - constrained mutation: 保留了变异测试用例的语法结构，这有助于保留其语法正确性。
- 可以把代码分为mutated部分和unmutated部分，unmutated部分保持不变
- 算法检查mutated部分变异得到的invalid variables，然后根据types和scopes信息来将这些invalid variables替换成valid variables，比如对一个只包含num和arr两个变量的程序，Ployglot会把undefinedVar += 1中的undefinedVar改成num
- 算法将每个变量type, scope和name都记录下来，放入符号表。符号表带来了6.4倍的semantic correctness
B: 专用fuzzer
专用fuzzer的语法正确性更高，举例: CSmith, JavaScript fuzzer, Squirrel
问题: 难以转移到另外一种语言上
C: language-based fuzzers:
LangFuzz: 随机替换变量
Nautilus: 使用一个预定义的变量名称小集合，然后根据覆盖率来生成结果
缺点: 不太支持显式类型转换
常见语法错误
本文从现有fuzzers生成的无效testcases总结了4条最常见的语法错误：
- Undefined Variables or Functions
- Out-of-scope Variables or Functions
- Undefined Types
- Unmatched types
本文方法
- 转化为Uniform IR
- 这样做的意义
- 首先生成可能有错的部分，再修复
- 根据IR type来替换
- 只mutate具有local effects的IRs，也就是不包含定义也不创建新local scopes的，举例说明具体选择方案。举例说明SymbolTable。
3. Overview of PolyGlot
4. Frontend Generation
5. Constrained mutation
6. Semantic Validation
7. Implementation
8. Evaluation
9. Discussion
10. Related Work
附录：
- bugs细节
- Case Study 1的PoC生成细节
- 竞品在不同语言上面的执行速度