评测与安全工作流

seclab-taskflows-fuzzing：面向 C/C++ 项目的 LLM 驱动自动化模糊测试流水线

GitHubSecurityLab/seclab-taskflows-fuzzing · An LLM-driven fuzzing pipeline powered by the GitHub Security Lab Taskflow Agent

GitHub原文发布未知首次收录 2026-09-26上架 2026-09-27 07:04

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

该项目是 GitHub Security Lab Taskflow Agent 的模糊测试任务流，面向原生 C/C++ 项目提供 LLM 驱动的自主模糊测试流水线。它结合 AFL++ 执行、clang+lcov 覆盖率采集以及 LLM Agent，自动完成目标识别、构建系统分析、harness 编写与构建、覆盖率反馈迭代、崩溃去重与分类，并生成含可利用性判断和修复建议的可读漏洞报告，同时提供实时 HTML 仪表盘。

# 安全测试编排 # C/C++# 模糊测试 # AFL++# LLM 代理

核心能力与快速开始

★ 8 · Python

能做什么: 给定一个原生 C/C++ 项目的 GitHub 仓库，可自动安装 AFL++、clang/llvm/lcov、ctags/cscope/graphviz 等工具，拉取源码，识别候选模糊测试目标（解析器、解码器、校验器等），分析构建系统，生成并构建 harness（同时产出 AFL 插桩的 .afl 二进制和覆盖率插桩的 .cov 二进制），在可选环节用 60 秒覆盖率筛选候选 harness。随后运行时间预算逐轮翻倍的 fuzz/覆盖/改进循环，并做平台期检测。支持结构感知模糊测试：内置 json/xml/regex/binary_tlv/png 等格式的字典与自定义 mutator，可从目标项目源码中提取字符串与数值常量生成项目专用智能 mutator，也可生成并借助未覆盖位置信息持续扩充 AFL 字典，并支持语料拼接。使用持久化语料目录跨迭代和跨 campaign 复用，配合 afl-cmin 控制语料规模。对每次崩溃做最小化、ASan 复现与栈哈希去重、bug 分类与置信度标注，并确认历史崩溃是否已修复。最终生成含判定、可利用性、建议补丁与回归测试草稿的逐崩溃 Markdown 漏洞报告，以及调用图与未触及 API 报告，并发布到实时 HTML 仪表盘。各阶段通过 SQLite 数据库通信，工具保持无全局状态并尽量幂等。
适用场景: 适用于安全研究人员或工程团队对原生 C/C++ 开源项目开展自动化的模糊测试与漏洞发现；可用于持续跟踪某个仓库的崩溃修复情况并重新确认历史崩溃；可用作 OSS-Fuzz 风格的轻量自包含替代方案，快速在本地或 Codespace 中对解析器、解码器等目标启动 fuzz campaign；也可通过内置的格式字典与智能 mutator，对 JSON、XML、正则、二进制 TLV、PNG 等结构化输入进行针对性测试。
项目形态: 可直接使用的工具
部署方式: README 说明需在 Linux 环境或 Codespace 中运行，且需要 apt 访问权限；通过 pip 从 GitHub 安装；仪表盘在后台自动启动，Codespace 中端口 8765 会自动转发。其他部署条件（如容器镜像、云环境）未说明。
主要依赖: Python 3.11+；Linux 环境或 Codespace 且可访问 apt；AFL++、clang、lcov、ctags、cscope、graphviz（缺失时由流水线自动安装）；Git 与 GitHub CLI（gh）。是否需要 LLM API 及其成本、凭据配置在摘录中未说明。
使用限制: README 中明确列出了“Limitations and gotchas”和“Security warning”章节，但摘录未给出具体内容，因此具体限制未说明。项目状态为 Active development（活跃开发中）。LLM API 成本、运行时资源开销、硬件要求等未说明。
许可证: MIT
最近推送: 2026-09-21 19:41

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-26 07:00 · 卡片整理：2026-09-27 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

对原生 C/C++ 项目进行自动化模糊测试：给定 GitHub 仓库后，自动识别模糊测试目标、分析构建系统、编写并构建 harness、执行 AFL++ 模糊测试与覆盖率反馈迭代、对崩溃进行去重分类，并生成含可利用性判断和修复建议的漏洞报告，帮助程序员发现和修复安全漏洞。

查看内容依据

Fully autonomous: give it a GitHub repo and it handles everything from target identification to vulnerability reports.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

OSS-Fuzz：面向开源软件的持续模糊测试服务

OSS-Fuzz 由 Google 联合 Core Infrastructure Initiative 与 OpenSSF 推出，旨在通过结合现代模糊测试技术与可扩展的分布式执行，让常见的开源软件更加安全与稳定。项目支持 libFuzzer、AFL++、Honggfuzz 等模糊测试引擎及 Sanitizers，并使用 ClusterFuzz 作为分布式模糊测试执行与报告环境，目前支持 C/C++、Rust、Go、Python、Java/JVM、JavaScript 和 Lua，以及 x86_64 与 i386 构建。截至 2025 年 5 月，OSS-Fuzz 已帮助在 1000 个项目中识别并修复超过 13000 个漏洞和 50000 个缺陷。

HR Connect：AI 驱动的招聘与联盟猎头平台

HR Connect 是一个面向招聘机构的招聘平台，用于连接企业客户、候选人与联盟招聘推荐人网络。系统支持基于 AI 的 CV 与职位描述匹配评估、推荐来源归因追踪，以及佣金与结算策略的自动化处理。后端基于 .NET 8 Web API，采用 Clean Architecture、CQRS（MediatR）与垂直切片架构，包含自动数据库迁移与种子数据机制，项目处于活跃开发中。

τ-Rec：面向智能体对话式推荐系统的可验证基准

τ-Rec 是发表于 ACM RecSys 2026（可复现性与资源赛道）的可验证基准，用于评测基于 LLM 的对话式推荐智能体。它模拟被测智能体与模拟用户进行多轮对话，要求其使用目录工具收集信息、遵守书面策略，并最终推荐满足用户全部约束的电影。评测结果直接依据目录进行程序化校验而非由 LLM 裁判判定，因此分数可复现且计算成本低。基准包含带 reveal 标签的用户模拟（volunteer / on_ask / hidden）、策略合规评分、pass^k 一致性指标，以及 153 部 TMDB 电影目录和横跨复杂度与信息透露难度的 60 个任务；通过 LiteLLM 支持任意模型作为被测智能体或模拟器。

recruiter-agent：本地部署的 AI 辅助招聘候选人搜寻与评分系统

recruiter-agent 是面向个人招聘者和小型团队的 AI 辅助候选人搜寻工具。它支持从 LinkedIn、GitHub、个人网站、CV 文件或粘贴文本添加候选人，经 LLM 结构化抽取、公开来源信息补充后，按职位加权标准进行 0-100 分评分，并通过看板管理候选人从抽取、评分、验证到邀约、安排面试的全流程。系统还内置带 11 个工具的对话式招聘 Agent，可查询职位与申请、搜索看板、起草和发送邀约、拒绝或验证候选人等，可逆操作支持撤销。所有组件通过 Docker 在本地运行，使用自有 LLM 与 API 密钥。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。