Dieses Repository enthält begleitende Materialien zur wissenschaftlichen Arbeit im Fach Aktuelle Themen der IT-Sicherheit:

„Fuzzing – Ein umfassender Überblick und Machine Learning Ansätze“
Autor: Sebastian Peschke
Institution: Hochschule Hof – Institut für Informationssysteme

Diese Arbeit bietet einen tiefgreifenden Überblick über klassische und moderne Fuzzing-Techniken mit besonderem Fokus auf die Integration von Künstlicher Intelligenz (KI) und Machine Learning (ML).

• Grundlagen von Fuzzing (Black-, White- und Grey-box)
• Anwendung auf spezifische Bereiche:
  • IoT-Fuzzing
  • Firmware-Fuzzing
  • Netzwerkprotokoll-Fuzzing
  • Betriebssystem-Fuzzing
  • Binary-Fuzzing
• Herausforderungen klassischer Verfahren
• ML-gestützte Optimierungen:
  • Large Language Models (z. B. GPT, BERT)
  • Generative Adversarial Networks (GANs)
  • Reinforcement Learning
  • Symbolische Ausführung
  • Guided Coverage
• Ausblick auf offene Forschungsfragen

1. Einführung
2. Verwandte Arbeiten
3. Hintergrund
4. Unterscheidung von Fuzzing-Ansätzen
5. Funktionsweise von Fuzzern
6. Strategien zur Eingabedatengenerierung
7. Entwicklung von Machine Learning im Fuzzing
8. Konklusion