受自然界中蜂群的启发，蜂群机器人技术已被开发出来，用于执行各种具有挑战性的任务，如环境监测、灾难恢复、物流，甚至军事行动。尽管蜂群对社会有重大的潜在影响，但对针对蜂群机器人技术的对抗性情景的关注相对较少。

在本文中，我们探索了一种系统化的方法，以找到对手可以利用的蜂群机器人算法的逻辑缺陷。具体来说，我们为蜂群算法开发了一个自动测试系统，蜂群缺陷探测器（SWARMFLAWFINDER）。我们确定并克服了在理解和推理蜂群算法执行方面的各种挑战。特别是，我们提出了一个新的机器人行为抽象，我们称之为因果贡献度（DCC），基于反事实的因果关系的想法。然后，我们建立了一个名为SWARMFLAWFINDER的反馈指导的灰盒模糊测试系统，利用DCC作为反馈指标。我们用四个进行导航、搜索和救援任务的蜂群算法来评估SWARMFLAWFINDER。SWARMFLAWFINDER在蜂群算法中发现了42个逻辑缺陷（并且所有这些缺陷都得到了开发者的承认）。我们对这些缺陷的分析表明，蜂群算法存在关键的逻辑错误/漏洞，或者存在不完整的实现，可以被对手利用。