論文の概要: Automated Vulnerability Detection in Source Code Using Quantum Natural
Language Processing
- arxiv url: http://arxiv.org/abs/2303.07525v1
- Date: Mon, 13 Mar 2023 23:27:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 17:02:19.737726
- Title: Automated Vulnerability Detection in Source Code Using Quantum Natural
Language Processing
- Title（参考訳）: 量子自然言語処理を用いたソースコードの自動脆弱性検出
- Authors: Mst Shapna Akter, Hossain Shahriar, and Zakirul Alam Bhuiya
- Abstract要約: CとC++のオープンソースコードは、関数レベルの脆弱性識別のための大規模で古典的な機械学習および量子機械学習システムを作成するために利用可能である。
我々は、深層ニューラルネットワークモデルLong Short Term Memory(LSTM)と量子機械学習モデルLong Short Term Memory(QLSTM)に基づく、効率的でスケーラブルな脆弱性検出手法を開発した。
意味的および構文的特徴を持つQLSTMは、極めて正確な脆弱性を検出し、従来のものよりも高速に実行される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the most important challenges in the field of software code audit is
the presence of vulnerabilities in software source code. These flaws are highly
likely ex-ploited and lead to system compromise, data leakage, or denial of
ser-vice. C and C++ open source code are now available in order to create a
large-scale, classical machine-learning and quantum machine-learning system for
function-level vulnerability identification. We assembled a siz-able dataset of
millions of open-source functions that point to poten-tial exploits. We created
an efficient and scalable vulnerability detection method based on a deep neural
network model Long Short Term Memory (LSTM), and quantum machine learning model
Long Short Term Memory (QLSTM), that can learn features extracted from the
source codes. The source code is first converted into a minimal intermediate
representation to remove the pointless components and shorten the de-pendency.
Therefore, We keep the semantic and syntactic information using state of the
art word embedding algorithms such as Glove and fastText. The embedded vectors
are subsequently fed into the classical and quantum convolutional neural
networks to classify the possible vulnerabilities. To measure the performance,
we used evaluation metrics such as F1 score, precision, re-call, accuracy, and
total execution time. We made a comparison between the results derived from the
classical LSTM and quantum LSTM using basic feature representation as well as
semantic and syntactic represen-tation. We found that the QLSTM with semantic
and syntactic features detects significantly accurate vulnerability and runs
faster than its classical counterpart.
- Abstract（参考訳）: ソフトウェアコード監査の分野で最も重要な課題の1つは、ソフトウェアソースコードに脆弱性があることである。
これらの欠陥は爆発した可能性が高いため、システムの妥協、データ漏洩、あるいはサーデバイスの否定につながる。
cとc++のオープンソースコードは、関数レベルの脆弱性識別のための大規模で古典的な機械学習と量子機械学習システムを作成するために利用できる。
私たちは、poten-tialエクスプロイトを示す数百万のオープンソース関数の巨大なデータセットを組み立てました。
我々は,深層ニューラルネットワークモデルLong Short Term Memory(LSTM)と量子機械学習モデルLong Short Term Memory(QLSTM)に基づいて,ソースコードから抽出した特徴を学習可能な,効率的でスケーラブルな脆弱性検出手法を開発した。
ソースコードは、まず最小限の中間表現に変換され、ポイントレスコンポーネントを取り除き、デペンデンシーを短くする。
そこで我々は,GloveやfastTextといったアートワード埋め込みアルゴリズムの状態を用いて,セマンティックおよび構文情報を保持する。
埋め込みベクトルは古典的および量子畳み込みニューラルネットワークに入力され、潜在的な脆弱性を分類する。
性能測定には,f1スコア,精度,再呼び出し,精度,総実行時間などの評価指標を用いた。
従来のLSTMと量子LSTMから得られた結果を,基本的特徴表現と意味的・統語的再認識を用いて比較した。
意味的および統語的特徴を持つQLSTMは、極めて正確な脆弱性を検出し、従来のものよりも高速に動作することを発見した。
関連論文リスト
- Harnessing the Power of LLMs in Source Code Vulnerability Detection [0.0]
ソースコードの意図しない欠陥によって引き起こされるソフトウェア脆弱性は、サイバー攻撃の根本原因である。
我々はLarge Language Modelsの機能を利用してソースコードを分析し、既知の脆弱性を検出する。
論文 参考訳（メタデータ） (2024-08-07T00:48:49Z) - ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。
ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。
量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
論文 参考訳（メタデータ） (2023-08-22T09:11:53Z) - Feature Engineering-Based Detection of Buffer Overflow Vulnerability in
Source Code Using Neural Networks [2.9266864570485827]
ソースコードから抽出された特徴を学習するニューラルネットワークモデルに基づく脆弱性検出方法。
我々は,GloVeやfastTextといったアートワード埋め込みアルゴリズムの状態を用いて,セマンティックおよび構文情報を維持する。
従来のニューラルネットワークに関わる問題を克服できるニューラルネットワークモデルを提案してきた。
論文 参考訳（メタデータ） (2023-06-01T01:44:49Z) - Deep Quantum Error Correction [73.54643419792453]
量子誤り訂正符号(QECC)は、量子コンピューティングのポテンシャルを実現するための鍵となる要素である。
本研究では,新しいエンペンド・ツー・エンドの量子誤りデコーダを効率的に訓練する。
提案手法は,最先端の精度を実現することにより,QECCのニューラルデコーダのパワーを実証する。
論文 参考訳（メタデータ） (2023-01-27T08:16:26Z) - Problem-Dependent Power of Quantum Neural Networks on Multi-Class
Classification [83.20479832949069]
量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。
本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。
我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
論文 参考訳（メタデータ） (2022-12-29T10:46:40Z) - DCDetector: An IoT terminal vulnerability mining system based on
distributed deep ensemble learning under source code representation [2.561778620560749]
この研究の目的は、C/C++のような高レベルの言語のソースコードの脆弱性をインテリジェントに検出することである。
これにより、ソースコードのセンシティブな文関連スライスをコード表現し、分散深層学習モデルの設計により脆弱性を検出することができる。
実験により,従来の静的解析の偽陽性率を低減し,機械学習の性能と精度を向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-11-29T14:19:14Z) - Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern
Recognition on Neuromorphic Hardware [50.380319968947035]
近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。
文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。
フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。
LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
論文 参考訳（メタデータ） (2022-05-30T14:30:45Z) - Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic
Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。
観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。
GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文 参考訳（メタデータ） (2022-05-22T07:11:57Z) - A comparative study of neural network techniques for automatic software
vulnerability detection [9.443081849443184]
ソフトウェア脆弱性を検出する最も一般的な方法は静的解析である。
一部の研究者は、検出の知性を改善するために自動特徴抽出機能を持つニューラルネットワークの使用を提案している。
2つの典型的なニューラルネットワークの性能をテストするための広範な実験を実施しました。
論文 参考訳（メタデータ） (2021-04-29T01:47:30Z) - Multi-context Attention Fusion Neural Network for Software Vulnerability
Identification [4.05739885420409]
ソースコードのセキュリティ脆弱性の共通カテゴリのいくつかを効率的に検出することを学ぶディープラーニングモデルを提案する。
モデルは、学習可能なパラメータの少ないコードセマンティクスの正確な理解を構築します。
提案したAIは、ベンチマークされたNIST SARDデータセットから特定のCWEに対して98.40%のF1スコアを達成する。
論文 参考訳（メタデータ） (2021-04-19T11:50:36Z) - Decentralizing Feature Extraction with Quantum Convolutional Neural
Network for Automatic Speech Recognition [101.69873988328808]
特徴抽出のための量子回路エンコーダからなる量子畳み込みニューラルネットワーク(QCNN)を構築した。
入力音声はまず、Mel-spectrogramを抽出するために量子コンピューティングサーバにアップストリームされる。
対応する畳み込み特徴は、ランダムパラメータを持つ量子回路アルゴリズムを用いて符号化される。
符号化された機能は、最終認識のためにローカルRNNモデルにダウンストリームされる。
論文 参考訳（メタデータ） (2020-10-26T03:36:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。