AuthAttLyzer-V2：揭示基于增强集成学习模型的代码作者归属及生成基准数据集
人机交互
2024-07-01 v1
摘要
源代码作者归属 (SCAA) 对于软件分类至关重要，因为它提供了洞察软件来源和行为的途径。通过准确识别某段代码背后的作者或团队，专家能够更好地理解开发者的动机和技术。在网络安全时代，这种归属有助于追溯恶意软件的来源，识别代码中可能表明特定威胁行为者或团队的模式，从而最终提升威胁情报和缓解策略。本文提出了 AuthAttLyzer-V2，一种新的源代码特征提取器，专注于词法、语义、语法和 N 元语法特征。我们的研究通过检查来自 3000 名作者的 24,000 份源代码样本来探讨作者识别。我们的 methodology 将 Random Forest、Gradient Boosting 和 XGBoost 模型集成在一起，并借助 SHAP 实现可解释性。该研究展示了如何通过集成模型有效辨别个体编码风格，洞察代码作者的独特属性。这一方法对于理解和解释复杂的作者归属模式尤为关键，特别是在恶意软件分类方面。
引用
@article{arxiv.2406.19895,
title = {The Relationship Between Time and Distance Perception in Egocentric and Discrete Virtual Locomotion (Teleportation)},
author = {Matthias Wölwer and Daniel Zielasko},
journal= {arXiv preprint arXiv:2406.19895},
year = {2024}
}