지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.4
- 수록면
- 168 - 173 (6page)
- DOI
- 10.5391/JKIIS.2024.34.2.168
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
소스 코드의 결함을 감지하는 작업은 소프트웨어의 유지보수 및 안정성 향상 측면에서 매우 중요한 작업이다. 최근 대용량의 자연어와 코드 데이터셋으로 사전학습한 언어 모델의 등장으로 추가 학습을 통해 결함 감지 작업을 수행할 수 있게 되었다. 하지만, 사전학습 모델은 비교적 명확한 문법적 오류에 대해서 높은 감지율을 보이는 것에 비해, 다양한 원인으로 발생할 수 있는 런타임 오류에 대해서는 낮은 감지율을 보인다. 따라서, 본 논문에서는 런타임 오류에 대한 감지 성능을 높이고자 결함 감지에 도움을 줄 수 있는 외부 지식 데이터 풀을 구축하고, 코드의 계층 구조를 활용한 검색 기법을 통해 데이터 풀에서 적절한 외부 지식을 검색해 이를 모델의 프롬프트로 활용하는 방법을 제안한다. 실험을 통해, 기존 방법 대비 정확도와 F1-score에서 높은 성능 향상을 보여 제안 방법이 효과적임을 보였다.
목차
요약
Abstract
1. 서론
2. 관련 연구
3. 제안 방법
4. 실험 및 결과
5. 결론 및 향후 연구
References
참고문헌 (12)
참고문헌 신청
Li, Zhen, Deqing Zou, Shouhuai Xu, Hai Jin, Yawei Zhu, and Zhaoxuan Chen, “Sysevr: A framework for using deep learning to detect software vulnerabilities,” IEEE Transactions on Dependable and Secure Computing, vol. 19, no. 4, pp. 2244-2258, 2021.
Li, Zhen, Deqing Zou, Shouhuai Xu, Xinyu Ou, Hai Jin, Sujuan Wang, Zhijun Deng, and Yuyi Zhong, “Vuldeepecker: A deep learning-based system for vulnerability detection,” IEEE Transactions on Dependable and Secure Computing, vol. 18, no. 5, pp. 2244-2236, 2021.
Russell, Rebecca, Louis Kim, Lei Hamilton, Tomo Lazovich, Jacob Harer, Onur Ozdemir, Paul Ellingwood, and Marc McConley, “Automated vulnerability detection in source code using deep representation learning,” 2018 17th IEEE international conference on machine learning and applications (ICMLA), pp. 757-762. IEEE, 2018.
Zhou, Yaqin, Shangqing Liu, Jingkai Siow, Xiaoning Du, and Yang Liu, “Devign: Effective vulnerability identification by learning comprehensive program semantics via graph neural networks,” Advances in neural information processing systems, vol 32, 2019.
Devlin, Jacob, Ming-Wei Chang, Kenton Lee, and Kristina Toutanova, “Bert: Pre-training of deep bidirectional transformers for language understanding,” arXiv preprint arXiv:1810.04805, 2018.
Li, Zhen, Deqing Zou, Shouhuai Xu, Xinyu Ou, Hai Jin, Sujuan Wang, Zhijun Deng, and Yuyi Zhong, “Vuldeepecker: A deep learning-based system for vulnerability detection,” IEEE Transactions on Dependable and Secure Computing, vol. 18, no. 5, pp. 2244-2236, 2021.
Russell, Rebecca, Louis Kim, Lei Hamilton, Tomo Lazovich, Jacob Harer, Onur Ozdemir, Paul Ellingwood, and Marc McConley, “Automated vulnerability detection in source code using deep representation learning,” 2018 17th IEEE international conference on machine learning and applications (ICMLA), pp. 757-762. IEEE, 2018.
Zhou, Yaqin, Shangqing Liu, Jingkai Siow, Xiaoning Du, and Yang Liu, “Devign: Effective vulnerability identification by learning comprehensive program semantics via graph neural networks,” Advances in neural information processing systems, vol 32, 2019.
Devlin, Jacob, Ming-Wei Chang, Kenton Lee, and Kristina Toutanova, “Bert: Pre-training of deep bidirectional transformers for language understanding,” arXiv preprint arXiv:1810.04805, 2018.
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089628020