مروری بر تشخیص خودکار آسیب پذیری با استفاده از تکنیک یادگیری عمیق
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 318
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECDS10_042
تاریخ نمایه سازی: 11 مهر 1403
چکیده مقاله:
شناسایی آسیب پذیری نرم افزار از اهمیت بالایی در امنیت نرم افزار برخوردار است، با افزایش گسترده مقیاس نرم افزارها وپیچیدگی آنها، روشهای سنتی دستی برای مقابله با این مشکلات امنیتی، ناکارآمد شدهاند و نمی توانند نیازهای امنیت فضایسایبر کنونی را برآورده کنند. شناسایی خودکار آسیب پذیری از اهمیت بالایی برخوردار است، زیرا می تواند به صورت موثرترینسبت به بازبینی دستی کدها، کدهای با حجم بالا را ارزیابی کند. پیشرفت فناوری یادگیری عمیق (DL)، فرصتهای جدیدیرا برای مطالعه مسائل امنیتی بالقوه نرم افزار فراهم کرده است و محققان نیز روشهای خودکار متعددی را به تدریج پیشنهادکرده اند. در این مقاله، یک مطالعه مروری بر این فناوری های خودکار از جنبه های شناسایی آسیب پذیری نرم افزار و پیش بینینقص نرم افزار، به طور دقیق ارزیابی و تحلیل می شوند.
کلیدواژه ها:
نویسندگان
علی اصغر فضل اللهی آقاملکی
کارشناسی ارشد علوم کامپیوتر گرایش هوش مصنوعی دانشگاه تربیت مدرس
عبدالهادی راضی جلالی
کارشناسی ارشد شبکه های کامپیوتری دانشگاه علم وصنعت
مصطفی رحیمی
کارشناسی ارشد نرم افزار دانشگاه شهید بهشتی