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
- 학위논문
- 저자정보
- 지도교수
- 윤주범
- 발행연도
- 2018
- 저작권
- 세종대학교 논문은 저작권에 의해 보호받습니다.
이용수1
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
4차 산업혁명 시대에 우리는 소프트웨어 홍수 속에 살고 있다. 그러나, 소프트웨어의 증가는 필연적으로 소프트웨어 취약점 증가로 이어지고 있어 소프트웨어 취약점을 탐지하고 제거하는 작업이 중요하게 되었다. 소프트웨어 취약점 탐지에는 많은 시간이 소비되기 때문에 취약한 소프트웨어를 선별하는 작업이 중요하고, 이를 위해 소프트웨어 취약 여부 예측이 필요하다. 현재까지 소프트웨어 취약 여부를 예측하는 다양한 연구가 진행되었지만, 탐지 시간이 오래 걸리거나, 예측 정확도가 높지 않았다.
따라서 본 논문에서는 신경망 알고리즘인 다층 퍼셉트론을 사용하여 소프트웨어의 취약 여부를 효율적으로 예측하는 VulPredictor를 설명하고 VulPredictor에 신경망 알고리즘인 다층 퍼셉트론과 기계학습 알고리즘인 서포트 벡터 머신, k-최근접 이웃 알고리즘을 각각 적용하여 매개변수 값 변화에 따른 예측 정확도를 비교하였다. 끝으로 기존의 바이너리를 이용한 취약 여부 예측 연구에서 개발된 VDiscover와 예측 정확도를 비교하였다. 실험 결과 다층 퍼셉트론을 적용한 VulPredictor가 가장 높은 예측률을 보였다.
따라서 본 논문에서는 신경망 알고리즘인 다층 퍼셉트론을 사용하여 소프트웨어의 취약 여부를 효율적으로 예측하는 VulPredictor를 설명하고 VulPredictor에 신경망 알고리즘인 다층 퍼셉트론과 기계학습 알고리즘인 서포트 벡터 머신, k-최근접 이웃 알고리즘을 각각 적용하여 매개변수 값 변화에 따른 예측 정확도를 비교하였다. 끝으로 기존의 바이너리를 이용한 취약 여부 예측 연구에서 개발된 VDiscover와 예측 정확도를 비교하였다. 실험 결과 다층 퍼셉트론을 적용한 VulPredictor가 가장 높은 예측률을 보였다.
목차
제 1장 서론 1제 2장 관련 연구2.1 소스코드를 이용한 취약 여부 예측 42.2 어셈블리코드를 이용한 취약 여부 예측 52.3 바이너리를 이용한 취약 여부 예측 6제 3장 VulPredictor의 취약 여부 예측 방법3.1 학습 방법 73.2 예측 방법 9제 4장 VulPredictor의 학습 알고리즘4.1 서포트 벡터 머신 124.2 k-최근접이웃 144.3 다층 퍼셉트론 15제 5장 VulPredictor 성능평가5.1 성능 측정 기준 195.2 VulPredictor학습 알고리즘별 매개변수 변화에 따른평균 예측 정확도 비교 실험 225.3 기존 도구와 예측 정확도 비교 실험 결과 29제 6장 결론 31참고문헌 32Abstract 35
최근 본 자료
댓글(0)
0