기계학습을 이용한 소스코드 정적 분석 개선에 관한 연구 :

박양환

추천

검색

자료유형: 학위논문

저자정보: 박양환 (고려대학교, 고려대학교 정보보호대학원)

지도교수: 최진영

발행연도: 2021

저작권: 고려대학교 논문은 저작권에 의해 보호받습니다.

이용수2

이 논문의 연구 히스토리 (2)

2021

기계학습을 이용한 소스코드 정적 분석 개선에 관한 연구

박양환 정보보호학과 2021.01 학위논문

2020

기계학습을 이용한 소스코드 정적 분석 개선에 관한 연구

박양환 , 최진영 정보보호학회논문지 2020.12 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

소스코드에 대한 정적 분석은 광범위한 소스코드에 대해서 잔존하는 보안약점을 찾는 것으로 정적 분석 도구를 활용하여 점검을 하고, 그 결과에 대해서 정적 분석 전문가가 정탐 및 오탐 분석을 한다. 이 과정에서 분석양이 많고 오탐의 비율이 높아 많은 시간과 노력이 들어가게 되어 효율적으로 분석하는 방안이 요구되고 있다. 또한 전문가들은 정·오탐 분석을 할 때 결함이 발생한 라인의 소스코드만 보고 분석을 하는 경우는 드물다. 결함의 유형에 따라서 주변의 소스코드를 같이 분석하고 최종 분석 결과를 내리게 된다. 이러한 정적 분석 도구를 사용하여 전문가가 정·오탐을 판별하는 어려움을 해결하기 위해서 본 논문에서는 정적 분석 도구가 찾은 보안약점이 정탐인지 아닌지를 전문가가 아닌 인공지능을 통해 판별하는 방법을 제안한다. 또한 이러한 기계학습에 사용되는 학습 데이터(결함주변 소스코드)의 크기가 성능에 어떤 영향을 미치는지 실험을 통해 최적의 크기를 확인하였다. 이 결과를 통해 정적 분석 후 정·오탐을 분류하는 정적 분석 전문가의 업무에 도움을 줄 것으로 기대한다.

#정적 분석 #시큐어코딩 #딥러닝 #합성곱 신경망(CNN)

제 1장 서론 1
제 2장 관련연구 3
제 3장 개요 및 제안방법 4
3.1 제안방법 4
3.2 성능평가 방법 5
제 4장 실험 및 평가 6
4.1 데이터 세트 6
4.2 CNN 모델 구성 7
4.3 실험 결과 8
4.3.1 SQL Injection(CWE-89) 8
4.3.2 Cross-site Scripting(CWE-79) 9
4.3.3 URL Redirection to Untrusted Site(CWE-601) 10
4.3.4 HTTP Response Splitting(CWE-113) 11
4.3.5 Integer Overflow(CWE-190) 12
4.3.6 Use of Insufficiently Random Values(CWE-330) 13
4.3.7 Race Condition(CWE-367) 14
4.3.8 Information Exposure(CWE-209) 15
4.3.9 Improper Check for Exceptional Conditions(CWE-754) 16
4.3.10 NULL Pointer Dereference(CWE-476) 17
4.3.11 Improper Resource Release(CWE-404) 18
4.3.12 Exposure of Data Element to Wrong Session(CWE-488) 19
4.3.13 Exposure of System Data(CWE-497) 20
4.3.14 예측 정확도 및 소스코드 범위에 따른 성능향상 비교 21
4.3.15 기계학습을 활용한 정적 분석과 기존의 정적 분석 방법의 비교 22
제 5장 결론 23
참고문헌 24

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)