当前,IT技术日新月异,互联网设备愈来愈多,而联网设备遭受的网络攻击也更是日益增多,检测互联网设备的安全分析技术显得越来越重要。在当今可用的软件漏洞发现技术中,模糊测试由于其概念简单,部署难度低以及其软件漏洞发现的大量经验而一直非常受欢迎。具有导向性的模糊测试技术利用静态或动态程序分析技术为模糊测试提供一定的方向,以此来增加模糊测试的有效性。导向性技术通常涉及两个阶段:一是用于获得关于被测程序的有用信息,如生成控制流图,收集变量具体数值,收集覆盖率信息等等;二是在先前分析的指导下生成测试用例,如把覆盖率较高的测试用例视为有价值的测试用例等。本文针对模糊测试的导向优化技术展开研究,主要工作与贡献如下:1、提出并实现了基于PSVSA(Power Set Value Set Analysis)的可疑漏洞代码定位优化技术。针对当前模糊测试对被检测程序预先分析不够精确,如为模糊测试提供目标地址精确性不够的问题,首先是对现有VSA的实现技术进行了分析研究,在此基础上,提出了一个新的数据模型——幂集跨步间隔域,以解决现有VSA实现技术的问题,提高值集分析时的准确性,降低误差,为Fuzz预先分析程序信息提供了更高准确率的保障。2、提出并实现了基于轻量级插桩的模糊测试路径导向优化技术。针对当前模糊测试中覆盖率信息不够和分析成本过高等问题,基于CFG的不完整性对INSTRIM进行优化,提高了覆盖率;基于特定的程序结构,对插桩点执行频次进行动态监测,实时对插桩点进行动态调整,降低了插桩运行成本,为Fuzz选择有价值测试用例触发漏洞时提供更有效帮助。3、基于PSVSA的可疑漏洞代码定位优化技术和轻量级插桩路径导向优化技术设计实现了GOFuzz(Guided Optimize Fuzz)原型系统,并进行了系统功能测试,验证了本技术具有轻量级、高效性,能够以较低成本有效降低模糊测试误报率,提高模糊测试发现漏洞效率。