論文の概要: No Vulnerability Data, No Problem: Towards Predicting Mean Time To Remediate In Open Source Software Dependencies
- arxiv url: http://arxiv.org/abs/2403.17382v2
- Date: Tue, 18 Mar 2025 23:21:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-20 15:21:15.758422
- Title: No Vulnerability Data, No Problem: Towards Predicting Mean Time To Remediate In Open Source Software Dependencies
- Title（参考訳）: 脆弱性データなし、問題なし:オープンソースのソフトウェア依存の即時修正を目指す
- Authors: Imranur Rahman, Ranindya Paramitha, Nusrat Zahan, Stephen Magill, William Enck, Laurie Williams,
- Abstract要約: MTTR(Mean-Time-To-Remediate)メトリックは、パッケージの脆弱性のあるバージョンを更新するのにどのくらいの時間を要するか、歴史的な視点を提供することができる。
MTTR_dep$ と $Mean-Time-To-Update_dep$ (MTTU_dep$) を併用した新しいMTTR計算アルゴリズムを提案する。
我々は,npm,PyPI,Cargoの163,207パッケージを用いて大規模な調査を行い,22,513パッケージのみが脆弱性の欠如を理由にMTTR_dep$を生産した。
- 参考スコア（独自算出の注目度）: 7.304461924231725
- License:
- Abstract: Timely remediation of vulnerabilities in software dependencies is critical for the security of the software supply chain. As such, researchers have proposed tools and metrics to help practitioners assess the security practices of each of their dependencies. Conceptually, a dependency-focused Mean-Time-To-Remediate (MTTR) metric can provide a historical perspective on how long it takes a given package to update vulnerable versions of its dependencies. However, existing MTTR metrics focus on a package fixing bugs in its own code, not its dependencies. Simultaneously, existing dependency update metrics do not aggregate values for the entire package and are not sensitive to aspects important for vulnerabilities (e.g., floating version constraints). The goal of this study is to aid industry practitioners, including developers, in assessing the risk of dependencies through a novel metric approximating mean-time-to-remediate vulnerabilities in their dependencies that is evaluated by an empirical study. We propose a novel algorithm for computing MTTR called $MTTR_{dep}$ and a companion metric called $Mean-Time-To-Update_{dep}$ ($MTTU_{dep}$), which considers all version updates, including vulnerability fix updates. We conduct a large-scale study using 163, 207 packages in npm, PyPI, and Cargo, of which only 22, 513 packages produce $MTTR_{dep}$ because of the lack of vulnerability data. We further study how package characteristics (e.g., contributors and version counts) influence $MTTU_{dep}$ and $MTTR_{dep}$ and explore how long packages retain outdated vulnerable dependencies in npm, PyPI, and Cargo. Our results indicate that industry practitioners can reliably use $MTTU_{dep}$ as a proxy for $MTTR_{dep}$ when available vulnerability data is insufficient.
- Abstract（参考訳）: ソフトウェア依存関係の脆弱性のタイムリーな修復は、ソフトウェアサプライチェーンのセキュリティにとって非常に重要です。
そのため、各依存関係のセキュリティプラクティスを評価するためのツールとメトリクスが提案されている。
概念的には、依存関係にフォーカスする平均更新時間(MTTR)メトリクスは、依存関係の脆弱なバージョンを更新するのに、あるパッケージがどれくらいの時間を要するか、歴史的な視点を提供することができる。
しかし、既存のMTTRメトリクスは、依存関係ではなく、自身のコードのバグを修正するパッケージに焦点を当てている。
同時に、既存の依存性更新メトリクスは、パッケージ全体の値を集約せず、脆弱性(例えば、フローティングバージョン制約)にとって重要な側面に敏感ではない。
本研究の目的は、開発者を含む業界実践者が、経験的な研究によって評価される依存関係における平均的時間的脆弱性を近似する新しいメトリクスを通じて、依存関係のリスクを評価することを支援することである。
MTTR_{dep}$(Mean-Time-To-Update_{dep}$(MTTU_{dep}$)と呼ばれる新しいMTTR計算アルゴリズムを提案する。
我々は,npm,PyPI,Cargoの163,207パッケージを大規模に調査し,22,513パッケージだけでMTTR_{dep}$を生成した。
さらに、パッケージの特性(例、コントリビュータ、バージョン数)が$MTTU_{dep}$と$MTTR_{dep}$にどのように影響するかを調査し、npm、PyPI、Cargoでパッケージが時代遅れの脆弱な依存関係をどれだけ長く保持しているかを調査します。
我々の結果は、業界の実践者は、利用可能な脆弱性データが不十分な場合に、$MTTU_{dep}$のプロキシとして$MTTU_{dep}$を確実に使用できることを示している。
関連論文リスト
- Pinning Is Futile: You Need More Than Local Dependency Versioning to Defend against Supply Chain Attacks [23.756533975349985]
オープンソースソフトウェアにおける最近の顕著なインシデントは、ソフトウェアサプライチェーンの攻撃に実践者の注意を向けている。
セキュリティ実践者は、バージョン範囲に浮かぶのではなく、特定のバージョンへの依存性をピン留めすることを推奨する。
我々は,npmエコシステムにおけるバージョン制約のセキュリティとメンテナンスへの影響を,カウンターファクト分析とシミュレーションを通じて定量化する。
論文 参考訳（メタデータ） (2025-02-10T16:50:48Z) - Leveraging the Crowd for Dependency Management: An Empirical Study on the Dependabot Compatibility Score [3.6840775431698893]
クライアントパッケージが依存性の更新を受ける際のリスクを評価するのに役立つように、互換性スコアの有効性について検討する。
群衆からのデータ不足のため,依存関係更新の83%については,互換性スコアを計算できないことがわかった。
本稿では,群衆からのインプットを増幅する指標を提案し,それらの指標がクライアントパッケージによる更新成功の受け入れを予測できることを示す。
論文 参考訳（メタデータ） (2024-03-14T00:26:19Z) - Malicious Package Detection using Metadata Information [0.272760415353533]
本稿では,メタデータに基づく悪意のあるパッケージ検出モデルであるMeMPtecを紹介する。
MeMPtecはパッケージメタデータ情報から一連の機能を抽出する。
実験の結果,偽陽性と偽陰性の両方が有意な減少を示した。
論文 参考訳（メタデータ） (2024-02-12T06:54:57Z) - Seg-metrics: a Python package to compute segmentation metrics [0.6827423171182151]
textttseg-metricsは、標準MISモデル評価のためのオープンソースのPythonパッケージである。
textttseg-metricsは複数のファイルフォーマットをサポートし、Python Package Index (PyPI)を通じて簡単にインストールできる
論文 参考訳（メタデータ） (2024-01-12T16:30:54Z) - Dependency Update Strategies and Package Characteristics [5.119787101452765]
本研究は,パッケージ特性と依存者が選択した依存関係更新戦略との関係について検討する。
我々は112,000 npm以上のパッケージを調査し、19の特性を用いて、各パッケージの共通依存関係更新戦略を特定する予測モデルを構築した。
論文 参考訳（メタデータ） (2023-05-25T02:58:21Z) - Joint Metrics Matter: A Better Standard for Trajectory Forecasting [67.1375677218281]
マルチモーダル・トラジェクトリ・予測法 : シングルエージェント・メトリクス(マージナル・メトリクス)を用いた評価
余分な指標にのみ注目することは、グループとして明確に一緒に歩いている人々のために、軌跡の衝突や軌跡のばらつきといった、不自然な予測につながる可能性がある。
本稿では,JADE,JFDE,衝突速度といったマルチエージェントメトリクス(ジョイントメトリクス)に関して,最先端トラジェクトリ予測手法の総合評価を行った。
論文 参考訳（メタデータ） (2023-05-10T16:27:55Z) - Bilateral Dependency Optimization: Defending Against Model-inversion
Attacks [61.78426165008083]
本稿では,モデル反転攻撃に対する二元的依存性最適化(BiDO)戦略を提案する。
BiDOは、さまざまなデータセット、分類器、MI攻撃に対する最先端の防御性能を達成する。
論文 参考訳（メタデータ） (2022-06-11T10:07:03Z) - QAFactEval: Improved QA-Based Factual Consistency Evaluation for
Summarization [116.56171113972944]
QAベースのメトリクスのコンポーネントを慎重に選択することは、パフォーマンスにとって重要であることを示す。
提案手法は,最良性能のエンテーメントに基づく測定値を改善し,最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-12-16T00:38:35Z) - Linguistic dependencies and statistical dependence [76.89273585568084]
文脈における単語の確率を推定するために,事前学習した言語モデルを用いる。
最大CPMI木は非文脈PMI推定値から抽出した木よりも言語的依存関係によく対応していることがわかった。
論文 参考訳（メタデータ） (2021-04-18T02:43:37Z) - Neural Methods for Point-wise Dependency Estimation [129.93860669802046]
我々は,2つの結果が共起する確率を定量的に測定する点依存度(PD)の推定に焦点をあてる。
提案手法の有効性を,1)MI推定,2)自己教師付き表現学習,3)クロスモーダル検索タスクで示す。
論文 参考訳（メタデータ） (2020-06-09T23:26:15Z) - pyBART: Evidence-based Syntactic Transformations for IE [52.93947844555369]
pyBARTは、英語のUD木を拡張UDグラフに変換するためのオープンソースのPythonライブラリである。
パターンに基づく関係抽出のシナリオで評価すると、より少ないパターンを必要としながら、より高精細なUDよりも高い抽出スコアが得られる。
論文 参考訳（メタデータ） (2020-05-04T07:38:34Z)
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。