Use este identificador para citar ou linkar para este item: https://rd.uffs.edu.br/handle/prefix/5000
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1Dal Bianco, Guilherme-
dc.creatorRibeiro, Raquel Hengen-
dc.date2021-09-01-
dc.date.accessioned2022-02-01T19:52:51Z-
dc.date.available2022-02-01-
dc.date.available2022-02-01T19:52:51Z-
dc.date.issued2021-09-01-
dc.identifier.urihttps://rd.uffs.edu.br/handle/prefix/5000-
dc.description.abstractDuring 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.resumoDurante 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.provenanceSubmitted 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.provenanceApproved 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.provenanceMade available in DSpace on 2022-02-01T19:52:51Z (GMT). No. of bitstreams: 1 RIBEIRO.pdf: 764835 bytes, checksum: 7be44760fd5c2cb9bea7e01c90c5faaf (MD5) Previous issue date: 2021-09-01en
dc.languageporpt_BR
dc.publisherUniversidade Federal da Fronteira Sulpt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Chapecópt_BR
dc.publisher.initialsUFFSpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectSoftwarept_BR
dc.subjectModelo de previsão de vulnerabilidadept_BR
dc.subjectEnsinopt_BR
dc.subjectAprendizagempt_BR
dc.titleIdentificação de bugs em código-fonte usando aprendizagem de máquinapt_BR
dc.typeArtigo Cientificopt_BR
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
RIBEIRO.pdf746,91 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.