Fugu-MT 論文翻訳(概要): Uses of Active and Passive Learning in Stateful Fuzzing

論文の概要: Uses of Active and Passive Learning in Stateful Fuzzing

arxiv url: http://arxiv.org/abs/2406.08077v1
Date: Wed, 12 Jun 2024 10:55:47 GMT
ステータス: 処理完了
システム内更新日: 2024-06-13 17:24:58.034883
Title: Uses of Active and Passive Learning in Stateful Fuzzing
Title（参考訳）: ステートフルファジィにおけるアクティブ・パッシブ学習の活用
Authors: Cristian Daniele, Seyed Behnam Andarzian, Erik Poll,
Abstract要約: 本稿では,システムの状態マシンモデルの推定に能動的および受動的手法を用いたファジングについて検討する。ファジィングは、過去10年間でソフトウェアの堅牢性を改善するための非常に人気があり、成功している技術になっていますが、ステートフルなシステムはいまだにファジィズが難しいです。
参考スコア（独自算出の注目度）: 0.5735035463793008
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper explores the use of active and passive learning, i.e.\ active and passive techniques to infer state machine models of systems, for fuzzing. Fuzzing has become a very popular and successful technique to improve the robustness of software over the past decade, but stateful systems are still difficult to fuzz. Passive and active techniques can help in a variety of ways: to compare and benchmark different fuzzers, to discover differences between various implementations of the same protocol, and to improve fuzzers.
Abstract（参考訳）: 本稿では,システムの状態マシンモデル推論のための能動的・受動的学習,すなわち能動的・受動的技術の利用について検討する。ファジィングは、過去10年間でソフトウェアの堅牢性を改善するための非常に人気があり、成功している技術になっていますが、ステートフルなシステムはいまだにファジィズが難しいです。パッシブでアクティブなテクニックは、異なるファッザの比較とベンチマーク、同じプロトコルの様々な実装の違いの発見、ファッザの改善など、さまざまな方法に役立つ。

関連論文リスト

Adaptive Language-Guided Abstraction from Contrastive Explanations [53.48583372522492]
報酬を計算するためにこれらの特徴をどのように使うべきかを決定する前に、環境のどの特徴が関係しているかを決定する必要がある。連立特徴と報奨学習のためのエンドツーエンドの手法は、しばしば、刺激的な状態特徴に敏感な脆い報酬関数をもたらす。本稿では,言語モデルを用いて人間に意味のある特徴を反復的に識別するALGAEという手法について述べる。
論文参考訳（メタデータ） (2024-09-12T16:51:58Z)
Leveraging Continuously Differentiable Activation Functions for Learning in Quantized Noisy Environments [0.0]
実世界のアナログシステムは、様々なディープラーニングモデルにおけるモデル収束と精度を妨げるノイズに本質的に苦しむ。 GELUやSiLUのような微分可能なアクティベーションは、勾配の堅牢な伝播を可能にし、アナログ量子化誤差を軽減することを実証する。
論文参考訳（メタデータ） (2024-02-04T20:01:22Z)
Segue: Side-information Guided Generative Unlearnable Examples for Facial Privacy Protection in Real World [64.4289385463226]
生成不可能な例としては、Segue: Side-information guided Generative unlearnable Exampleを提案する。転送性を向上させるために,真のラベルや擬似ラベルなどの側面情報を導入する。 JPEG圧縮、敵対的トレーニング、およびいくつかの標準的なデータ拡張に抵抗することができる。
論文参考訳（メタデータ） (2023-10-24T06:22:37Z)
Vulnerability Detection Through an Adversarial Fuzzing Algorithm [2.074079789045646]
本プロジェクトは,ファザがより多くの経路を探索し,短時間でより多くのバグを発見できるようにすることにより,既存のファザの効率を向上させることを目的としている。逆法は、より効率的なファジィングのためのテストケースを生成するために、現在の進化アルゴリズムの上に構築されている。
論文参考訳（メタデータ） (2023-07-21T21:46:28Z)
Fuzzing with Quantitative and Adaptive Hot-Bytes Identification [6.442499249981947]
アメリカのファジィ・ロック(fuzzy lop)はファジィ・ロック(fuzzy lop)と呼ばれるファジィ・ロック(fuzzy lop)と呼ばれるファジィ・ロック(fuzzy lop)と呼ばれるファジィ・ロック(fuzzy lop)と呼ばれるファジィ・ロック(fuzzy lop)ツールだ。以下の原則に基づいて設計したツールという手法を提案する。実世界の10のプログラムとLAVA-Mデータセットによる評価結果から,ツールキーブが分岐カバレッジを持続的に増加させ,他のファザよりも多くのバグを発見できた。
論文参考訳（メタデータ） (2023-07-05T13:41:35Z)
Value function estimation using conditional diffusion models for control [62.27184818047923]
拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
論文参考訳（メタデータ） (2023-06-09T18:40:55Z)
Neural Active Learning on Heteroskedastic Distributions [29.01776999862397]
ヘテロスケダスティックデータセット上でのアクティブ学習アルゴリズムの破滅的な失敗を実証する。本稿では,各データポイントにモデル差分スコアリング関数を組み込んで,ノイズの多いサンプルとサンプルクリーンなサンプルをフィルタするアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-11-02T07:30:19Z)
Self-supervised Transformer for Deepfake Detection [112.81127845409002]
現実世界のシナリオにおけるディープフェイク技術は、顔偽造検知器のより強力な一般化能力を必要とする。転送学習に触発されて、他の大規模な顔関連タスクで事前訓練されたニューラルネットワークは、ディープフェイク検出に有用な機能を提供する可能性がある。本稿では,自己教師型変換器を用いた音声視覚コントラスト学習手法を提案する。
論文参考訳（メタデータ） (2022-03-02T17:44:40Z)
A Survey on Contrastive Self-supervised Learning [0.0]
自己教師付き学習は、大規模なデータセットのアノテートコストを回避する能力によって人気を集めている。コントラスト学習は近年,コンピュータビジョン,自然言語処理(NLP)などの分野において,自己指導型学習手法の主流となっている。本稿では, コントラスト的アプローチに従う自己教師型手法について, 広範囲にわたるレビューを行う。
論文参考訳（メタデータ） (2020-10-31T21:05:04Z)
Bayesian active learning for production, a systematic study and a reusable library [85.32971950095742]
本稿では,現在のアクティブラーニング技術の主な欠点について分析する。実世界のデータセットの最も一般的な課題が深層能動学習プロセスに与える影響について,系統的研究を行った。部分的不確実性サンプリングやより大きいクエリサイズといった,アクティブな学習ループを高速化する2つの手法を導出する。
論文参考訳（メタデータ） (2020-06-17T14:51:11Z)
Towards Efficient Processing and Learning with Spikes: New Approaches for Multi-Spike Learning [59.249322621035056]
各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
論文参考訳（メタデータ） (2020-05-02T06:41:20Z)

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。