软件仓库与网络安全中的机器学习研究
软件工程
2023-11-02 v1 密码学与安全
机器学习
摘要
在当今快速演进的技术格局与先进的软件开发中，网络安全攻击的上升已成为紧迫关切。稳健的网络安全防御集成在软件开发的各个阶段都变得不可或缺。其在软件开发生命周期初始阶段（尤其是需求阶段）识别关键网络安全漏洞方面具有重要意义。通过利用 MITRE 的通用攻击模式枚举与分类（CAPEC）以及通用漏洞披露（CVE）数据库等网络安全仓库，已有尝试借助主题建模与机器学习来检测软件需求过程中的这些早期漏洞。过往研究主题在自动化漏洞识别方面取得了成功结果，采用了 LDA 与主题建模等无监督机器学习方法混合。展望未来，为提升自动化并建立软件需求与漏洞间的联系，我们的策略将采用多种有监督机器学习技术，包括支持向量机（SVM）、朴素贝叶斯、随机森林、神经网络，并最终过渡至深度学习以开展研究。面对日益复杂的网络安全，机器学习能否增强多样化软件开发场景中漏洞的识别是一个首要考量，可为软件开发人员安全开发软件提供关键协助。
引用
@article{arxiv.2311.00691,
title = {Software Repositories and Machine Learning Research in Cyber Security},
author = {Mounika Vanamala and Keith Bryant and Alex Caravella},
journal= {arXiv preprint arXiv:2311.00691},
year = {2023}
}