Use este identificador para citar ou linkar para este item:
https://rd.uffs.edu.br/handle/prefix/5000
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor1 | Dal Bianco, Guilherme | - |
dc.creator | Ribeiro, Raquel Hengen | - |
dc.date | 2021-09-01 | - |
dc.date.accessioned | 2022-02-01T19:52:51Z | - |
dc.date.available | 2022-02-01 | - |
dc.date.available | 2022-02-01T19:52:51Z | - |
dc.date.issued | 2021-09-01 | - |
dc.identifier.uri | https://rd.uffs.edu.br/handle/prefix/5000 | - |
dc.description.abstract | During the life cycle of a software it is common to experience some type of system failure, originated from bugs in source code. Finding bugs is an extremely complex and onerous task. An alternative to reduce this work is to use a vulnerability prediction model (VPM). For the construction of an MPV it is necessary to extract characteristics from the source code to be applied in the prediction model. This work presents an experimental analysis of active learning techniques applied in a VPM. The experiment shows that the same active learning techniques used to reduce effort in literature reviews, can detect about 97% of vulnerable files, inspecting about 22% of files. | pt_BR |
dc.description.resumo | Durante o ciclo de vida de um software e comum ocorrer algum tipo ´ de falha de sistema, originadas de bugs em codigo-fonte. Encontrar esses bugs ´ e uma tarefa extremamente complexa e onerosa. Uma alternativa para dimi- ´ nuir o esforc¸o e usar um modelo de previs ´ ao de vulnerabilidade (MPV). Para a ˜ construc¸ao de um MPV ˜ e necess ´ ario extrair caracter ´ ´ısticas sobre o codigo-fonte ´ para serem aplicadas no modelo de predic¸ao. Este trabalho tem como objetivo ˜ uma analise experimental de tecnicas de aprendizado ativo aplicadas como um ´ MPV. O experimento mostra que as mesma tecnicas de aprendizado ativo usa- ´ dos para reduc¸ao de esforc¸o nas revis ˜ oes de literatura, podem detectar cerca de ˜ 97% dos arquivos vulneraveis, inspecionando cerca de 22% dos arquivos. | pt_BR |
dc.description.provenance | Submitted by Rafael Pinheiro de Almeida (rafael.almeida@uffs.edu.br) on 2022-02-01T18:10:35Z No. of bitstreams: 1 RIBEIRO.pdf: 764835 bytes, checksum: 7be44760fd5c2cb9bea7e01c90c5faaf (MD5) | en |
dc.description.provenance | Approved for entry into archive by Franciele Scaglioni da Cruz (franciele.cruz@uffs.edu.br) on 2022-02-01T19:52:51Z (GMT) No. of bitstreams: 1 RIBEIRO.pdf: 764835 bytes, checksum: 7be44760fd5c2cb9bea7e01c90c5faaf (MD5) | en |
dc.description.provenance | Made available in DSpace on 2022-02-01T19:52:51Z (GMT). No. of bitstreams: 1 RIBEIRO.pdf: 764835 bytes, checksum: 7be44760fd5c2cb9bea7e01c90c5faaf (MD5) Previous issue date: 2021-09-01 | en |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal da Fronteira Sul | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Campus Chapecó | pt_BR |
dc.publisher.initials | UFFS | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Software | pt_BR |
dc.subject | Modelo de previsão de vulnerabilidade | pt_BR |
dc.subject | Ensino | pt_BR |
dc.subject | Aprendizagem | pt_BR |
dc.title | Identificação de bugs em código-fonte usando aprendizagem de máquina | pt_BR |
dc.type | Artigo Cientifico | pt_BR |
Aparece nas coleções: | Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
RIBEIRO.pdf | 746,91 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.