CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه یک روش نوین جهت پیش بینی مولفه های آسیب پذیر نرم افزار با استفاده از تشابه ویژگی ها توسط تطابق زیر دنباله ی توکن ها و آزمون فرض

اعتبار موردنیاز PDF: ۱ WORD: ۴ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۵۹ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CITCOMP02_056
زبان مقاله: فارسی
حجم فایل: ۴۶۱.۳۳ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه یک روش نوین جهت پیش بینی مولفه های آسیب پذیر نرم افزار با استفاده از تشابه ویژگی ها توسط تطابق زیر دنباله ی توکن ها و آزمون فرض

  سیدمهدی حسن پور - گروه امنیت اطلاعات، دانشکده ICT، دانشگاه صنعتی مالک اشتر، تهران، ایران
  رضا عزمی - دانشیار گروه مهندسی کامپیوتر، دانشگاه الزهرا(س)، تهران، ایران
  محمدرضا ولوی - دانشیار گروه مخابرات-امنیت اطلاعات، دانشگاه صنعتی مالک اشتر، تهران، ایران

چکیده مقاله:

مشخصه اصلی مدل های پیش بینی مبتنی بر تحلیل کد که از روش های متن کاوی و یادگیری ماشین بهره می برند، آن است که ویژگی ها از پیش تعیین شده و ثابت نیستند و با توجه به مجموعه داده ها که شامل کد برنامه های مشخصی هست تعیین شده و بنابراین هر برنامه مدل اختصاصی خود را دارد که الزاما برای کاربردهای مشابه قابل استفاده نیست. یکی از مشکلات فعلی عدم امکان شخصی سازی یا اعمال سیاست های مختلف در زمان ایجاد مجموعه دادگان است. این مسیله نیز مورد بحث و بررسی قرار گرفت و روشی جهت برطرف سازی این مساله ارایه شد. در این پژوهش رویکردی نوین و ترکیبی مبتنی بر یافتن ویژگی های مشابه با استفاده از تطابق دنباله ها در تکنیک بردار فرکانس کلمات جهت تولید مجموعه دادگان ویژه و آزمون فرض آماری برای کاهش حجم ویژگی های با قطعیت آماری پایین برای افزایش دقت پیش-بینی بکار گرفته شده است. ارزیابی روش بر روی مجموعه ای از کد برنامه های معروف جاوای اندروید که شامل بیش از 100هزار خط کد برنامه که در پژوهش های مشابه استفاده شده، انجام پذیرفته است. نتایج حاصل بهبود 20% میانگین را در آزمایش های میان پروژه ای در افزایش دقت پیش بینی مولفه های آسیب پذیر نشان می دهد

کلیدواژه‌ها:

انتخاب ویژگی، گسسته سازی، کاهش بعد، مدل های پیش بینی آسیب پذیری، آزمون فرض

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_056.html
کد COI مقاله: CITCOMP02_056

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حسن پور, سیدمهدی؛ رضا عزمی و محمدرضا ولوی، ۱۳۹۶، ارایه یک روش نوین جهت پیش بینی مولفه های آسیب پذیر نرم افزار با استفاده از تشابه ویژگی ها توسط تطابق زیر دنباله ی توکن ها و آزمون فرض، دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات، تهران، دانشگاه مجلسی، https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_056.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حسن پور, سیدمهدی؛ رضا عزمی و محمدرضا ولوی، ۱۳۹۶)
برای بار دوم به بعد: (حسن پور؛ عزمی و ولوی، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۷۰۸۷
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.