文献

J-GLOBAL ID：201902253110075231   整理番号：19A0484734

機械学習による脆弱性記述に基づく深刻度推定

著者 (10件)： 中川舜太 (神戸大 工) ,  永井達也 (神戸大 工) ,  金原秀明 (情報通信研究機構) ,  古本啓祐 (情報通信研究機構) ,  瀧田愼 (神戸大 工) ,  白石善明 (神戸大 工) ,  高橋健志 (情報通信研究機構) ,  毛利公美 (岐阜大 工) ,  高野泰洋 (神戸大 工) ,  森井昌克 (神戸大 工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 315(ICSS2018 53-67)(Web)  ページ： 61-66 (WEB ONLY)  発行年： 2018年11月14日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ソフトウェアの脆弱性は,個人や企業などに大きな損失をもたらす危険性がある。組織においてシステム管理者やセキュリティ担当者は,脆弱性を狙った攻撃のリスクを最小限にとどめるために,より深刻な脆弱性から対策を立てる必要がある。深刻な脆弱性を見分ける方法としてCVSSが活用されている。CVSSは人手でスコアリングされている。CVSS Base Scoreから判定される深刻度の推定を目的として単語レベルCNN(Word-level Convolutional Neural Networks)を用いた手法が提案されている。本研究ではセキュリティ・ソフトウェア等の新しく生まれる専門的な用語をとらえるために文字レベルCNNを用いた深刻度推定手法を検討する。単語レベルCNNに比べて文字レベルCNNが深刻度推定において高いAccuracyが得られることを示す。(著者抄録)

シソーラス用語： *ソフトウェア ,  *セキュリティ ,  *性質 ,  記述 ,  *機械学習 ,  *システム ,  抽出 ,  ニューラルネットワーク ,  *リスク ,  技術 ,  精度
準シソーラス用語： *脆弱性 ,  深層学習 ,  *評価システム ,  CVSS ,  専門用語抽出 ,  危険度 ,  推定技術 ,  推定精度

分類 (2件)： 計算機システム開発  (JD02010R) ,  データ保護  (JD01020V)

引用文献 (8件)：

• 情報処理推進機構, ′′共通脆弱性評価システムCVSS概説,′′ https://www.ipa.go.jp/security/vuln/CVSS.html, [Online; accessed 2018/10/16].
• Zhuobing Han, Xiaohong Li, Zhenchang Xing, Hongtao Liu, and Zhiyong Feng,” Learning to Predict Severity of Software Vulnerability Using Only Vulnerability Description,” 2017 IEEE International Conference on Software Maintenance and Evolution (ICSME), 2017.
• C. MITRE, “Common vulnerabilities and exposures (cve),” https://cve.mitre.org/, [Online; accessed 2018/10/16].
• Xiang Zhang, Junbo Zhao, Yann LeCun, ” Characterlevel Convolutional Networks for Text Classification,” arXiv preprint, arXiv:1509.01626, 2015.
• Joshua Saxe, Konstantin Berlin, “eXpose: A Character-Level Convolutional Neural Network with Embeddings For Detecting Malicious URLs, File Paths and Registry Keys,” arXiv preprint, arXiv:1702.08568, 2017.

タイトルに関連する用語 (4件)： 機械学習 ,  脆弱性 ,  記述 ,  推定