Fuzzers vs. AI: Comparing Fuzzilli and BigSleep on JavaScript Engines
Google Project Zero 对比 V8 上的 Fuzzilli 模糊测试器与基于 LLM 的智能体漏洞发现系统 BigSleep。过滤重复、WAI 和无修复报告后，六个月生产数据中二者发现约 45 与 37 个可操作漏洞，重叠约 25%；让 BigSleep 复现历史 Fuzzilli 漏洞的实验重叠约 60%，调整提示后升至约 70%。文章还分析记忆化、难度和组件分布，并用案例说明 LLM 擅长复杂逻辑链与特殊边界值，模糊器擅长非局部及难靠源码推理的问题。结论是二者仍互补，应同时部署；但比较仅限 V8 和两套系统，成本与提示敏感性仍需验证。
推荐收录，因为文章用生产统计、历史漏洞复现实验和三个漏洞案例，量化了 Fuzzilli 与 BigSleep 的发现量、约 25% 生产重叠及约 60% 实验重叠，并明确指出模型升级、提示变化和 V8 单一目标等边界。适合安全工程师、浏览器/V8 开发者和漏洞研究人员参考，其“生产数据+受控复现+案例归因”的评估方法可迁移到其他 AI 安全工具比较；但成本与跨目标泛化性尚未解决。