FuzzingBrain V2 ist ein Multi-Agenten-LLM-System der Texas A&M University (Autoren: Ze Sheng, Zhicheng Chen, Qingxiao Xu, Kewen Zhu, Jeff Huang) zur vollautomatischen Entdeckung und Reproduktion von Software-Schwachstellen, veröffentlicht als arXiv-Preprint am 20. Mai 2026. Das System baut auf Googles OSS-Fuzz-Infrastruktur auf und nutzt das Model Context Protocol (MCP) als Kommunikationsstandard zwischen spezialisierten Sub-Agenten. In Benchmarks auf dem AIxCC-2025-Datensatz erreichte es eine Erkennungsrate von 90 % (36 von 40 Schwachstellen); im realen Einsatz wurden 29 Zero-Day-Schwachstellen in 12 Open-Source-Projekten gefunden und durch Maintainer bestätigt. Das System fokussiert derzeit auf C/C++ mit eingeschränkter Java-Unterstützung via Jazzer.

Belege (2)