- FatFuzz：利用插桩（在代码块中插入日志输出），构建每个输入的代码执行流程，利用一张表记录，利用表的哈希去重，分析覆盖率，并查 bug。
- SandBoxFuzz：
- 在FatFuzz 的基础上，利用输入的钩子将占位的输入进行拦截并注入自动生成的数据。
- 利用预先声明数据的格式与类型（通过 Specification Mining（规范挖掘） 技术），利用反射的机制，通过随机生成和遗传变异两种模式，生成测试的数据。
- 测试可以自主重复运行，不需要人为构造很多的数据。
- Redis 存那些由机器自动生成的、被验证为“有效且能覆盖新代码”的优质测试用例。如果这个数据发现了新 Bug 或新路径，它就会被作为下一轮的“父辈”。
- 潜在的改进方法：
- 遗传变异的部分是否可以和覆盖率的监测更深度的联合，实现对局部更高覆盖率的定向变异？
- 随机数据和遗传变异生成的数据可能没法覆盖 corner case，对于无状态的系统，可能可以通过测试时构建输入输出的映射表，进行更多情况的覆盖。
- 对于我以前遗传算法的使用经验，先部分枚举，再遗传变异的路径会弥补前期遗传数据不足，后期枚举分支太多的问题。另外，CrossOver 的部分可能可以加入数据的微扰动，进一步增加数据的多样性。