RoPGen:自動符号化スタイル変換によるロバストなコードオーサシップ属性に向けて【JST・京大機械翻訳】

Li Zhen; Guenevere; Chen; Chen Chen; Zou Yayi; Xu Shouhuai

プレプリント

J-GLOBAL ID：202202207658550606 整理番号：22P0288655

RoPGen:自動符号化スタイル変換によるロバストなコードオーサシップ属性に向けて【JST・京大機械翻訳】

RoPGen: Towards Robust Code Authorship Attribution via Automatic Coding Style Transformation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月12日プレプリントサーバーでの情報更新日： 2022年02月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ソースコード著者の属性は,ソフトウェア法医学,バグ固定,およびソフトウェア品質分析のようなアプリケーションでしばしば遭遇する重要な問題である。最近の研究では,現在のソースコードの属性法が,敵対例と符号化スタイル操作を利用する攻撃者によって損なわれることを示した。これは,符号著者の属性の問題にロバスト解を要求する。本論文では,深学習(DL)ベース符号著者の属性ロバスト化に関する研究を行った。ロバスト符号化スタイルパターン生成(RoPGen)と呼ぶ革新的フレームワークを提案し,それは,攻撃者が操作または模倣するのに難しい著者のユニークな符号化スタイルパターンを本質的に学習する。重要なアイデアは,広告訓練フェーズにおけるデータ増強と勾配増強を組み合わせることである。これは,訓練例の多様性を効果的に増加させ,深いニューラルネットワークの勾配に対して意味のある摂動を生成し,符号化スタイルの多様な表現を学習する。C,C++およびJavaで書かれたプログラムの4つのデータセットを用いてRoPGenの有効性を評価した。実験結果は,RoPGenが,平均で目標と非標的攻撃の成功率のそれぞれ22.8%と41.0%の削減によって,DLベース符号著者属性のロバスト性を著しく改良できることを示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

符号理論 , 図形・画像処理一般 , 人工知能

, , ,

前のページに戻る