論文の概要: BOMs Away! Inside the Minds of Stakeholders: A Comprehensive Study of
Bills of Materials for Software Systems
- arxiv url: http://arxiv.org/abs/2309.12206v2
- Date: Fri, 22 Sep 2023 16:14:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 06:59:00.835889
- Title: BOMs Away! Inside the Minds of Stakeholders: A Comprehensive Study of
Bills of Materials for Software Systems
- Title（参考訳）: BOMs Away!
利害関係者の心の中に--ソフトウェアシステムのための材料請求書の総合的研究
- Authors: Trevor Stalnaker, Nathan Wintersgill, Oscar Chaparro, Massimiliano Di
Penta, Daniel M German, Denys Poshyvanyk
- Abstract要約: Software Bills of Materials (SBOM) は、ソフトウェア依存関係、脆弱性、ライセンス、サプライチェーンの管理を容易にするツールとして登場した。
近年の研究では、SBOMはいまだにまだ十分に採用されていない初期の技術であることが示されている。
SBOMのコンテンツ作成と利用に直面する12の課題,SBOMツールの欠陥,SBOMのメンテナンスと検証,ドメイン固有の課題などを特定する。
- 参考スコア（独自算出の注目度）: 11.719062411327952
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software Bills of Materials (SBOMs) have emerged as tools to facilitate the
management of software dependencies, vulnerabilities, licenses, and the supply
chain. While significant effort has been devoted to increasing SBOM awareness
and developing SBOM formats and tools, recent studies have shown that SBOMs are
still an early technology not yet adequately adopted in practice. Expanding on
previous research, this paper reports a comprehensive study that investigates
the current challenges stakeholders encounter when creating and using SBOMs.
The study surveyed 138 practitioners belonging to five stakeholder groups
(practitioners familiar with SBOMs, members of critical open source projects,
AI/ML, cyber-physical systems, and legal practitioners) using differentiated
questionnaires, and interviewed 8 survey respondents to gather further insights
about their experience. We identified 12 major challenges facing the creation
and use of SBOMs, including those related to the SBOM content, deficiencies in
SBOM tools, SBOM maintenance and verification, and domain-specific challenges.
We propose and discuss 4 actionable solutions to the identified challenges and
present the major avenues for future research and development.
- Abstract（参考訳）: Software Bills of Materials (SBOM) は、ソフトウェア依存関係、脆弱性、ライセンス、サプライチェーンの管理を容易にするツールとして登場した。
SBOMの認知度を高め、SBOMフォーマットやツールの開発に多大な努力が注がれているが、最近の研究では、SBOMはまだまだ十分に採用されていない初期の技術であることを示している。
本報告では,SBOMの作成・利用において,ステークホルダーが直面する課題を包括的に調査する。
調査では、5つの利害関係者グループに属する138人の実践者(SBOM、重要なオープンソースプロジェクトのメンバー、AI/ML、サイバー物理システム、法律実務者)を、異なるアンケートを用いて調査し、8人の回答者にインタビューを行い、彼らの経験についてさらなる洞察を得た。
SBOMの内容,SBOMツールの欠陥,SBOMのメンテナンスと検証,ドメイン固有の課題など,SBOMの作成と利用に直面する12の課題を特定した。
特定課題に対する4つの実行可能な解決策を提案し,議論し,今後の研究開発の道筋を示す。
関連論文リスト
- Gaps Between Research and Practice When Measuring Representational Harms Caused by LLM-Based Systems [88.35461485731162]
本研究は,実践者が表現障害を測定するために,公開されている器具を効果的に使用するのを防ぐための4種類の課題を同定する。
我々のゴールは、実践者のニーズに適した表現的害を測定するための機器の開発を進めることである。
論文 参考訳（メタデータ） (2024-11-23T22:13:38Z) - SUPER: Evaluating Agents on Setting Up and Executing Tasks from Research Repositories [55.161075901665946]
Superは、機械学習(ML)と自然言語処理(NLP)の研究リポジトリを扱う研究者が直面する現実的な課題を捉えることを目的としている。
本ベンチマークでは,注釈付きエキスパートソリューションを用いたエンドツーエンド問題45,特定の課題に焦点をあてたエキスパートソリューションから導いた152,大規模開発のための602の問題を自動生成する。
我々は、最先端のアプローチが、最良のモデル(GPT-4o)でこれらの問題を解決するのに苦労していることを示し、エンド・ツー・エンドの16.3%と46.1%のシナリオを解決した。
論文 参考訳（メタデータ） (2024-09-11T17:37:48Z) - Apprentices to Research Assistants: Advancing Research with Large Language Models [0.0]
大規模言語モデル(LLM)は、様々な研究領域において強力なツールとして登場した。
本稿では,文献レビューと手動実験を通じてその可能性について考察する。
論文 参考訳（メタデータ） (2024-04-09T15:53:06Z) - An Empirical Study of Challenges in Machine Learning Asset Management [15.07444988262748]
既存の研究にもかかわらず、モデルバージョニングやデータトレーサビリティ、コラボレーションといった運用上の課題には、大きな知識ギャップが残っている。
本研究の目的は,開発者フォーラムやプラットフォームから15,065件の投稿を分析し,このギャップに対処することである。
ソフトウェア依存性、モデルデプロイメント、モデルトレーニングが最も議論されている16のマクロトピックにグループ化された、資産管理の課題に関連する133のトピックを明らかにしました。
論文 参考訳（メタデータ） (2024-02-25T05:05:52Z) - Competition-Level Problems are Effective LLM Evaluators [121.15880285283116]
本稿では,Codeforcesにおける最近のプログラミング問題の解決において,大規模言語モデル(LLM)の推論能力を評価することを目的とする。
まず,問題の発生時間,難易度,遭遇したエラーの種類など,様々な側面を考慮して,GPT-4の望ましくないゼロショット性能を総合的に評価する。
驚くべきことに、GPT-4のTheThoughtivedのパフォーマンスは、2021年9月以降、あらゆる困難と種類の問題に対して一貫して問題が減少するような崖を経験している。
論文 参考訳（メタデータ） (2023-12-04T18:58:57Z) - SciBench: Evaluating College-Level Scientific Problem-Solving Abilities of Large Language Models [70.5763210869525]
拡張ベンチマークスイートSciBench for Large Language Model (LLM)を導入する。
SciBenchには、数学、化学、物理学の分野から、さまざまな大学レベルの科学的問題を含むデータセットが含まれている。
その結果、現在のLLMは満足のいく性能を達成できないことが判明し、全体のスコアは43.22%に過ぎなかった。
論文 参考訳（メタデータ） (2023-07-20T07:01:57Z) - On the Way to SBOMs: Investigating Design Issues and Solutions in
Practice [25.12690604349815]
Software Bill of Materials (SBOM)は、マシン可読なソフトウェアコンポーネントの在庫を提供する、有望なソリューションとして登場した。
本稿では,SBOM関連プロジェクト510件から4,786件のGitHubディスカッションの分析を行った。
論文 参考訳（メタデータ） (2023-04-26T03:30:31Z) - Machine Learning Practices Outside Big Tech: How Resource Constraints
Challenge Responsible Development [1.8275108630751844]
さまざまな職業やバックグラウンドを持つ機械学習実践者は、機械学習(ML)メソッドをますます活用している。
過去の研究では、より広く、よりリソースの少ないMLコミュニティを除外することが多い。
これらの実践者は、Big Techと同じようなML開発上の困難と倫理的な混乱の多くを共有しています。
論文 参考訳（メタデータ） (2021-10-06T17:25:21Z) - Understanding the Usability Challenges of Machine Learning In
High-Stakes Decision Making [67.72855777115772]
機械学習(ML)は、多種多様な成長を続ける一連のドメインに適用されている。
多くの場合、MLやデータサイエンスの専門知識を持たないドメインの専門家は、ML予測を使用してハイステークな意思決定を行うように求められます。
児童福祉スクリーニングにおけるMLユーザビリティの課題について,児童福祉スクリーニング者との一連のコラボレーションを通じて検討する。
論文 参考訳（メタデータ） (2021-03-02T22:50:45Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z)
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。