Que le Fuzz soit avec vous

Aperçu

Explore how LSTM neural networks and Python can generate AI-driven test inputs for software testing and network security, improving upon traditional fuzzing techniques.

Programme

• Introduction aux techniques de fuzzing
Aperçu des méthodes traditionnelles de fuzzing
Limitations et défis du fuzzing traditionnel
• Introduction aux réseaux neuronaux LSTM
Comprendre les réseaux neuronaux récurrents (RNN)
Étude détaillée des LSTM : architecture et fonctionnalité
• Python pour le fuzzing piloté par l'IA
Configuration de l'environnement Python pour le développement de l'IA
Bibliothèques Python clés : TensorFlow, Keras
• Mise en œuvre des LSTM pour la génération d'entrées de test
Préparation des jeux de données pour l'entraînement des LSTM
Entraîner les LSTM sur des entrées logicielles existantes
Générer des entrées de test pilotées par l'IA avec des LSTM
• Application du fuzzing piloté par l'IA dans le test logiciel
Études de cas et exemples pratiques
Évaluer l'efficacité des entrées générées par l'IA
Comparaison du fuzzing piloté par l'IA avec les méthodes traditionnelles
• Renforcer la sécurité réseau avec le fuzzing piloté par l'IA
Identifier les vulnérabilités du réseau avec des modèles LSTM
Simuler des attaques de réseau à l'aide d'entrées générées
• Sujets avancés et orientations futures
Améliorations dans les algorithmes d'IA pour le fuzzing
Combiner les techniques pilotées par l'IA avec d'autres méthodes de test
• Atelier pratique
Mise en œuvre étape par étape de LSTM pour le fuzzing
Projets pratiques : construction et test de cas pilotés par l'IA
• Conclusion du cours et évaluations
Résumé des points clés appris
Projet final et directives d'évaluation

---

Matières

Conference Talks