影響模糊測試效果的一些關鍵因素有：

測試點：由于模糊測試是通過數據通道的，所以測試點一般會選擇數據通道的入口點或者可信邊界點，如網絡端口和協議，外部傳人文件和文件類型，RPC請求端口。

樣本選擇：模糊測試的效果與覆蓋能力，與樣本選擇的好壞極其相關，實施模糊測試必須依據上面的測試流程，分析和選擇覆蓋面廣，便于測試的多個樣本來保證測試的效果。

數據關聯性：由于模糊測試對數據的變異依賴于安全經驗，對數據含義并不了解，所以如果一個樣本是數據關聯的，模糊測試由于無法同步這種關聯，導致生成的樣本都成為無效樣本，在程序預處理之前就判斷為不合格不再繼續，這樣就達不到測試的效果。數據存在關聯性的軟件和程序并不適合采用模糊測試，現在有一些替代的技術，如智禽%模糊測試，允許用戶描述數據結構的關聯性，以輔助生成符合關聯規則的測試樣本。

自動化框架：實現無人值守自動化測試和記錄，是提高黑盒安全測試禽邑力的關鍵。黑盒安全測試依靠大量的異常樣本來進行測試，靠機器替代部分人力來發現安全問題，實現無人值守自動化測試和記錄就是必須的組件。幾乎所有的黑盒安全測試都支持自動化框架，以及行為錄入回放的功能，以便更好的實施自動化測試。

異常監控與異常恢復：發現異常的能力是發現漏洞的前提。目前大多數黑盒安全測試工具只支持對程序崩潰異常的發現，其實這是遠遠不夠的，很多異常并不直接表現為程序的崩潰，如VISTA/WIN7下的堆溢出，受GS保護的堆棧溢出，資源消耗型拒絕服務等。好的黑盒模糊測試工具需要對更多地異常進行監控。此外，為保障安全測試的效果和自動化過程，除了對于發現的異常進行現場保護記錄外， 還需要恢復異常狀態以進行后續的測試，并保證準人工分析異常原因，判斷是否為潛在的安全漏洞，如果是安全漏洞，就需要進一步分析其危害性、影響范圍、修復建議，以及臨時防范措施。 由于可能產生大量的異常報告，通過一些輔助分析工具，如同源異常歸并等，可以有效的節省人工分析的成本。