文献

J-GLOBAL ID：202202271621896281   整理番号：22A1093626

羽毛体重支援脆弱性発見【JST・京大機械翻訳】

Featherweight assisted vulnerability discovery

著者 (3件)： Binkley David (Loyola University Maryland, 4501 N. Charles St., Baltimore, MD 21210-2699, USA) ,  Moonen Leon (Simula Research Laboratory, Oslo, Norway) ,  Isaacman Sibren (Loyola University Maryland, 4501 N. Charles St., Baltimore, MD 21210-2699, USA)
資料名： Information and Software Technology  (Information and Software Technology)
巻： 146  ページ： Null  発行年： 2022年 
JST資料番号： B0445B  ISSN： 0950-5849  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 脆弱なソースコードの予測は,より多くの精査で検討する必要があるコードのそれらの部分に関して,開発者やプログラム解析技術の注意に焦点を合わせるのを助ける。最近の研究は,機能の脆弱性のためのハントを助けるために,深いニューラルネットワーク(DNN)によって学習できる意味的手がかりとして機能名の使用を提案した。新しい周波数ベースアルゴリズムで各関数名前をその構成語に分割するのに用いる識別子分割を結合して,著者らは,関数名を構成する単語が潜在的に脆弱な機能を予測するために使用できる範囲を調査した。機能名のみを考慮したDNNによって提供される軽量予測とは対照的に,DNNの必要性を避けることは,羽毛重量予測を提供する。根底にあるアイデアは,ある「危険」単語を含む関数名が,より脆弱な機能を伴う可能性が高いことである。コースの中で,これは,周波数ベースアルゴリズムが真の危険な単語に焦点を合わせるために適切に調整できると仮定する。それは,「ブラックボックス」として振舞うDNNより透明であり,従って,その決定の根底にある合理的化への洞察を提供しないので,周波数ベースアルゴリズムは,DNNの内部動作の調査を可能にする。成功すれば,DNNが何を学習し,学習しないかの研究は,より効果的な将来モデルを訓練するのを助けるであろう。脆弱でラベル付けされた73000以上の関数を含む不均一データセットに関する著者らのアプローチを経験的に評価し,950000以上の関数が良性にラベルをつけた。本解析は,単語だけがDNNの分類能力のかなりの部分を説明することを示した。また,単語は,より均一な語彙を持つデータセットにおいて最大値であることも見出した。したがって,語彙が不確かに均一である与えられたプロジェクトの範囲内で作業するとき,著者らのアプローチは,ソースコード脆弱性のためのハントを助けるために,より安く,潜在的に相補的な技術を提供する。最後に,この手法は,訓練データの大きさが数桁少ないという利点を有する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分類 ,  ニューラルネットワーク ,  記号 ,  語彙 ,  ブラックボックス ,  *羽毛 ,  *性質 ,  コンピュータセキュリティ ,  計算機コード ,  プログラム解析 ,  単語
準シソーラス用語： 訓練データ ,  脆弱性 ,  ソースコード ,  識別子 ,  ソフトウェアセキュリティ , 【Automatic Indexing@JST】

著者キーワード (5件)： モデル解釈可能性 ,  脆弱性予測 ,  識別子分裂 ,  ソースコード語い ,  ソフトウェアセキュリティ

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

タイトルに関連する用語 (5件)： 羽毛 ,  体重 ,  支援 ,  脆弱性 ,  発見