Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ СТУДЕНТОВ И УЧАЩИХСЯ; Пенза; Пенза
Год издания: 2024
Ключевые слова: машинное обучение, уязвимости, программное обеспечение, нейронные сети, алгоритмы, анализ исходного кода, кластеризация, ложные срабатывания, machine learning, vulnerabilities, software, neural networks, algorithms, source code analysis, clustering, false positives
Аннотация: В данной работе исследуются современные подходы к обнаружению и анализу уязвимостей в программном обеспечении с использованием методов машинного обучения. Представлен обзор концептуальной модели системы поиска уязвимостей, проведен сравнительный анализ различных архитектур нейронных сетей, таких как рекуррентные и сверточные, а такПоказать полностьюже алгоритмов классификации. Рассматриваются преимущества и недостатки предложенных подходов, обсуждаются перспективы их дальнейшего развития и практическое значение для повышения безопасности программных продуктов. This paper examines modern approaches to the detection and analysis of vulnerabilities in software using machine learning methods. An overview of the conceptual model of the vulnerability search system is presented, a comparative analysis of various neural network architectures, such as recurrent and convolutional, as well as classification algorithms is carried out. The advantages and disadvantages of the proposed approaches are considered, the prospects for their further development and practical importance for improving the security of software products are discussed.
Журнал: Лучшие научные исследования студентов и учащихся
Номера страниц: 90-96
Место издания: Пенза