傳統(tǒng)的模糊工具分為三類。黑盒fuzzers是不直觀的，并使用現(xiàn)成的示例文件來創(chuàng)建新的輸入。與黑匣子相比，白盒剔除器要聰明得多。白盒模糊器將嘗試使用算法盡可能多地執(zhí)行不同的代碼分支。 Graybox fuzzers不能像白盒工具那樣映射程序的代碼結構，但是包含一個反饋循環(huán)，以便使用樣本輸入發(fā)現(xiàn)錯誤的可能性更大。
微軟新的神經網絡模糊測試項目采用灰箱模糊器，并將深度神經網絡應用于反饋回路。隨著時間的推移，神經反饋有助于發(fā)現(xiàn)更多可識別程序缺陷的獨特代碼路徑。在一個用于解析.png文件的庫測試中，與傳統(tǒng)的模糊技術相比，微軟使用神經網絡所獲得的代碼路徑數(shù)量翻倍。
與所有處于研發(fā)階段的技術一樣，還有一些問題需要解決。當試圖通過神經網絡運行PDF文件時，傳統(tǒng)的方法仍然勝過神經網絡。造成神經網絡響應緩慢的大文件被認為是罪魁禍首。
對于那些想知道這個新的神經網絡能否被第三方和公眾使用的人來說，這是一個好消息。微軟已經發(fā)布了一個名為微軟安全風險檢測的工具，它使用Azure云服務，任何擁有一些基本知識的人都可以使用該工具嘗試和發(fā)現(xiàn)軟件中的錯誤。