随着当前网络技术的蓬勃发展,漏洞伴随着网络软件数量的增多、功能的复杂化而相应增多,带来了非常多的安全问题。针对当前严峻的安全形势,由开发者提前发现软件中存在的漏洞并进行及时修补,对避免出现经济损失,保障网络安全具有重要意义。在网络安全测试即漏洞挖掘技术中,模糊测试技术相较于静态的源代码分析技术、动态的污点分析技术、符号执行技术等,在面对规模庞大、功能复杂的软件系统时,因为其易用和低性能开销的特点成为软件安全测试中最常用、最有效的技术。本文研究的正是模糊测试技术中的关键技术,主要内容及研究成果如下:（1）针对主流模糊测试技术并行化效率不高的问题,设计基于执行路径的并行化任务分配方法,以确保并行化实例执行互斥的测试任务、所有测试任务不遗漏、并行化实例任务负载相似为原则,对每一轮次的模糊测试种子分析后下发,减少模糊测试实例之间的重复测试,充分利用分布式计算资源,提高并行化模糊测试效率。（2）针对主流模糊测试技术平等对待所有执行路径、遗传算法考虑片面、漏洞发现较少,测试用例收敛过早、代码覆盖率较低等现状,本文设计基于漏洞驱动的模糊测试精确引导方法。通过综合考虑种子执行路径所覆盖基本块的漏洞概率、后继块数量、新度、系统开销,设计适应度函数计算种子适应度值,再为种子分配不同权重,将计算资源引导至潜在漏洞区域,获取更高的代码覆盖率以及更多的漏洞。（3）论文设计并实现了一个高效率模糊测试系统,使用以上两种关键技术对主流模糊测试工具AFL进行改进,在并行化环境下通过实验验证了系统的有效性,并在实际使用中,对达梦数据库DM7进行模糊测试,取得了一些成果。