حداکثر واگرایی خودکار پی در پی برای تشخیص آسیب پذیری نرم افزار باینری*

با توجه به افزایش شدید شدت تهدیدات ناشی از آسیب پذیری های نرم افزاری ، تشخیص آسیب پذیری در کد باینری به یک نگرانی مهم در صنعت نرم افزار مانند صنعت سیستم های تعبیه شده و در زمینه امنیت رایانه تبدیل شده است. با این حال ، بسیاری از آثار در تشخیص آسیب پذیری کد باینری به ویژگی های دست ساز که به صورت دستی توسط چند متخصص دامنه انتخاب شده اند ، تکیه کرده است. در این مقاله ، ما سعی می کنیم با استفاده از پیشرفت های اخیر در بازنمودهای یادگیری عمیق ، این تنگنا تشخیص آسیب پذیری باینری را کاهش دهیم و حداکثر واگرایی را به صورت خودکار وارد کنیم. به طور خاص ، کدهای نهفته به نمایندگی از باینری های آسیب پذیر و غیر قابل ملاحظه ای تشویق می شوند که حداکثر واگرا باشند ، در حالی که هنوز قادر به حفظ اطلاعات مهم از باینری های اصلی هستند. ما آزمایش های گسترده ای را برای مقایسه و تضاد روشهای پیشنهادی خود با خطوط پایه انجام دادیم و نتایج نشان می دهد که روشهای پیشنهادی ما از خطوط پایه در کلیه اقدامات عملکردی استفاده می کنند.

کنفرانس

• https://iclr. cc/conferences/2019
• https://openreview. net/group؟id=iclr. cc/2019/conference (مجموعه مقالات)

کلید واژه ها

• تشخیص آسیب پذیری
• رمز دهنده خودکار پی در پی
• بازنمایی قابل جدا شدن

دسترسی به سند

285712504-OA نسخه نهایی منتشر شده ، 2. 27 مگابایت

سایر پرونده ها و پیوندها

این را ذکر کنید

• APA
• نویسنده
• دوزخ
• هاروارد
• استاندارد
• برخاستن
• ونکوور

Le ، T. ، Nguyen ، T. V. ، Le ، T. ، Phung ، D. ، Montague ، P. ، De Vel ، O. ، & Qu ، L. (2019). حداکثر واگرایی واگرایی خودکار رمزگذار برای تشخیص آسیب پذیری نرم افزار باینری*. در A. Rush (ویرایش) ، کنفرانس بین المللی بازنمایی یادگیری 2019 کنفرانس بین المللی بازنمایی یادگیری (ICLR). https://openreview. net/pdf؟id=byloiicqyq

le ، tue ؛نگوین ، توان وو ؛لو ، ترونگ و همکاران./ حداکثر واگرایی واگرایی خودکار رمزگذار برای تشخیص آسیب پذیری نرم افزار باینری*. کنفرانس بین المللی بازنمایی یادگیری 2019. ویرایشگر / الکساندر راش. La Jolla CA USA: کنفرانس بین المللی بازنمایی یادگیری (ICLR) ، 2019.

inproesings<96914478198f4d6ebbbf2dd4da326955, عنوان = "حداکثر واگرایی واژگانی متوالی برای تشخیص آسیب پذیری نرم افزار باینری*" ،

چکیده = "به دلیل افزایش شدید شدت تهدیدی که توسط آسیب پذیری های نرم افزاری تحمیل شده است ، تشخیص آسیب پذیری در کد باینری به یک نگرانی مهم در صنعت نرم افزار مانند صنعت سیستم های تعبیه شده و در زمینه امنیت رایانه تبدیل شده است. با این حال ، بسیاری از آثار در تشخیص آسیب پذیری کد باینری به ویژگی های دست ساز که توسط چند متخصص دامنه انتخاب شده انتخاب می شود ، متکی است. در این مقاله ، ما سعی می کنیم با استفاده از پیشرفت های اخیر در بازنمایی های عمیق یادگیری ، این تنگنا تشخیص آسیب پذیری باینری را کاهش دهیمو حداکثر واگرایی خودکار پی در پی را پیشنهاد کنید. به ویژه ، کدهای نهفته به نمایندگی از باینری های آسیب پذیر و غیر قابل ملاحظه ای به حداکثر واگرایی تشویق می شوند ، در حالی که هنوز قادر به حفظ اطلاعات مهم از باینری های اصلی هستند. ما آزمایش های گسترده ای را برای جمع آوری و کنتراست انجام دادیمروشهای پیشنهادی ما با خطوط پایه و نتایج نشان می دهد که روشهای پیشنهادی ما از خطوط پایه در کلیه اقدامات عملکرد مورد علاقه بهتر عمل می کنند. "

واژه های کلیدی = "تشخیص آسیب پذیری ها ، رمزگذار خودکار پی در پی ، بازنمایی قابل جدا شدن" ،

نویسنده = "Tue le and Nguyen ،و Trung Le and Dinh Phung و Paul Montague و Olivier و Lizhen Qu "،

سال = "2019" ، زبان = "انگلیسی" ، isbn = "9783800743629" ، ویرایشگر = "الکساندر راش" ، booktitle = "کنفرانس بین المللی بازنمایی یادگیری 2019" ، ناشر = "کنفرانس بین المللی بازنمایی یادگیری (ICLR)" ، آدرس = "ایالات متحده آمریکا" ،

NOTE = "کنفرانس بین المللی بازنمایی یادگیری 2019 ، ICLR 2019 ؛ تاریخ کنفرانس: 06-05-2019 تا 09-05-2019" ،

url = "https://iclr. cc/conferences/2019 ، https://openreview. net/group؟id=iclr. cc/2019/conference" ،

Le ، T ، Nguyen ، TV ، LE ، T ، Phung ، D ، Montague ، P ، De Vel ، O & Qu ، L 2019 ، حداکثر واگرایی خودکار پی در پی خودکار برای تشخیص آسیب پذیری نرم افزار باینری*. در یک عجله (ویرایش) ، کنفرانس بین المللی بازنمایی های یادگیری 2019. کنفرانس بین المللی بازنمایی یادگیری (ICLR) ، La Jolla CA ایالات متحده ، کنفرانس بین المللی بازنمایی های یادگیری 2019 ، نیواورلئان ، لوئیزیانا ، ایالات متحده آمریکا ، 6/05/19.

کنفرانس بین المللی بازنمایی یادگیری 2019. ویرایش./ اسکندر راش. La Jolla CA USA: کنفرانس بین المللی بازنمایی یادگیری (ICLR) ، 2019.

خروجی تحقیق: فصل در کتاب/گزارش/مراحل کنفرانس ›مقاله کنفرانس› تحقیق ›بررسی همسالان

T1 - حداکثر واگرایی واگرایی خودکار رمزگذار برای تشخیص آسیب پذیری نرم افزار باینری*

au - نگوین ، توان وو

AU - مونتاگ ، پل

au - de vel ، Olivier

N1 - کد کنفرانس: هفتم

N2 - با توجه به افزایش شدید شدت تهدیدات ناشی از آسیب پذیری های نرم افزاری ، تشخیص آسیب پذیری در کد باینری به یک نگرانی مهم در صنعت نرم افزار مانند صنعت سیستم های تعبیه شده و در زمینه امنیت رایانه تبدیل شده است. با این حال ، بسیاری از آثار در تشخیص آسیب پذیری کد باینری به ویژگی های دست ساز که به صورت دستی توسط چند متخصص دامنه انتخاب شده اند ، تکیه کرده است. در این مقاله ، ما سعی می کنیم با استفاده از پیشرفت های اخیر در بازنمودهای یادگیری عمیق ، این تنگنا تشخیص آسیب پذیری باینری را کاهش دهیم و حداکثر واگرایی را به صورت خودکار وارد کنیم. به طور خاص ، کدهای نهفته به نمایندگی از باینری های آسیب پذیر و غیر قابل ملاحظه ای تشویق می شوند که حداکثر واگرا باشند ، در حالی که هنوز قادر به حفظ اطلاعات مهم از باینری های اصلی هستند. ما آزمایش های گسترده ای را برای مقایسه و تضاد روشهای پیشنهادی خود با خطوط پایه انجام دادیم و نتایج نشان می دهد که روشهای پیشنهادی ما از خطوط پایه در کلیه اقدامات عملکردی استفاده می کنند.

AB - با توجه به افزایش شدید شدت تهدیدات ناشی از آسیب پذیری های نرم افزاری ، تشخیص آسیب پذیری در کد باینری به یک نگرانی مهم در صنعت نرم افزار مانند صنعت سیستم های تعبیه شده و در زمینه امنیت رایانه تبدیل شده است. با این حال ، بسیاری از آثار در تشخیص آسیب پذیری کد باینری به ویژگی های دست ساز که به صورت دستی توسط چند متخصص دامنه انتخاب شده اند ، تکیه کرده است. در این مقاله ، ما سعی می کنیم با استفاده از پیشرفت های اخیر در بازنمودهای یادگیری عمیق ، این تنگنا تشخیص آسیب پذیری باینری را کاهش دهیم و حداکثر واگرایی را به صورت خودکار وارد کنیم. به طور خاص ، کدهای نهفته به نمایندگی از باینری های آسیب پذیر و غیر قابل ملاحظه ای تشویق می شوند که حداکثر واگرا باشند ، در حالی که هنوز قادر به حفظ اطلاعات مهم از باینری های اصلی هستند. ما آزمایش های گسترده ای را برای مقایسه و تضاد روشهای پیشنهادی خود با خطوط پایه انجام دادیم و نتایج نشان می دهد که روشهای پیشنهادی ما از خطوط پایه در کلیه اقدامات عملکردی استفاده می کنند.

KW - تشخیص آسیب پذیری ها

kW - رمزگذار خودکار پی در پی

kW - نمایندگی قابل تفکیک

M3 - مقاله کنفرانس

BT - کنفرانس بین المللی بازنمایی یادگیری 2019

A2 - راش ، اسکندر

PB - کنفرانس بین المللی بازنمایی یادگیری (ICLR)

CY - La Jolla CA USA

T2 - کنفرانس بین المللی بازنمایی های یادگیری 2019

Y2 - 6 مه 2019 تا 9 مه 2019

Le T ، Ngguyen TV ، Le T ، Phung D ، Montague P ، De Vel O et al. حداکثر واگرایی واگرایی خودکار رمزگذار برای تشخیص آسیب پذیری نرم افزار باینری*. در Rush A ، ویراستار ، کنفرانس بین المللی بازنمایی یادگیری 2019. La Jolla CA USA: کنفرانس بین المللی بازنمایی یادگیری (ICLR). 2019

ما از کوکی ها برای کمک به ارائه و تقویت خدمات و محتوای خیاطی خود استفاده می کنیم. با ادامه شما با استفاده از کوکی ها موافقت می کنید