伴随互联网的发展,日趋严重的信息安全事件不断影响着社会的安全稳定。软件漏洞作为引发黑客攻击的根本原因之一,给信息安全带来了巨大的威胁。由于它的强危害性、广覆盖性和类别多样性,在当前全球信息安全的博弈中,作为一种资源被各方密切关注。本文在深入分析现有漏洞挖掘方法的基础上,针对当前覆盖跟踪Fuzzing测试漏洞挖掘方法因为测试用例覆盖跟踪消耗过大、目标程序块无测试区分和遗传算法优化不足而导致漏洞挖掘效率和准确率不高的问题,提出了一种动态优化的分级多粒度Fuzzing测试漏洞挖掘方法。该方法通过动态递减式插桩策略构建满足不同粒度需求的两级测试用例集,动态地选择测试用例输入到目标程序,然后依据测试执行的反馈信息,使用动态化的适应度函数遗传算法优化测试用例。在此基础上,设计并实现了Fuzzing测试原型系统。本文的主要工作如下:(1)分析典型的漏洞挖掘方法,对基于二进制程序的Fuzzing测试漏洞挖掘方法进行深入分析。(2)为了不断减小覆盖跟踪的消耗,基于二进制插桩技术,提出一种动态递减式插桩策略。然后通过建立满足不同测试粒度需求的两级测试用例集,根据不同的测试阶段和安全需求,动态地选择测试粒度,协同递减式插桩策略,设计了一种分级多粒度Fuzzing测试漏洞挖掘方法。同时,通过完全覆盖跟踪获取测试用例的执行路径信息并加以分析,综合覆盖率、用例新度、执行时间和用例大小等多种因素,动态权重赋值,以引导遗传算法的迭代而进化产生更具针对性的测试用例。与分级多粒度Fuzzing测试方法结合,最终形成一种动态优化的分级多粒度Fuzzing测试漏洞挖掘方法。(3)利用Python、C++等工具,设计并实现Windows平台下本动态优化的分级多粒度Fuzzing测试漏洞挖掘原型系统。并从功能和性能两个方面对本系统进行对比实验分析,实验结果表明,本Fuzzing测试系统在漏洞挖掘的效率和准确率方面表现优良,验证了本文方法的可行性和有效性。