論文の概要: AI-Based Software Vulnerability Detection: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2506.10280v1
- Date: Thu, 12 Jun 2025 01:42:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 15:37:22.519096
- Title: AI-Based Software Vulnerability Detection: A Systematic Literature Review
- Title（参考訳）: AIベースのソフトウェア脆弱性検出: 体系的な文献レビュー
- Authors: Samiha Shimmi, Hamed Okhravi, Mona Rahimi,
- Abstract要約: 本研究は,2018年から2023年までのソフトウェア脆弱性検出(SVD)研究の系統的なレビューを行う。
我々の分析によると、研究の91%がAIベースの手法を使用しており、グラフベースのモデルが最も普及している。
データセットの品質、解釈可能性など、重要な制限を特定し、未探索のテクニックにおける新たな機会を強調します。
- 参考スコア（独自算出の注目度）: 6.604556571951421
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software vulnerabilities in source code pose serious cybersecurity risks, prompting a shift from traditional detection methods (e.g., static analysis, rule-based matching) to AI-driven approaches. This study presents a systematic review of software vulnerability detection (SVD) research from 2018 to 2023, offering a comprehensive taxonomy of techniques, feature representations, and embedding methods. Our analysis reveals that 91% of studies use AI-based methods, with graph-based models being the most prevalent. We identify key limitations, including dataset quality, reproducibility, and interpretability, and highlight emerging opportunities in underexplored techniques such as federated learning and quantum neural networks, providing a roadmap for future research.
- Abstract（参考訳）: ソースコードのソフトウェア脆弱性は深刻なサイバーセキュリティのリスクをもたらし、従来の検出方法(静的解析、ルールベースのマッチングなど)からAI駆動のアプローチへの移行を促す。
本研究は、2018年から2023年までのソフトウェア脆弱性検出(SVD)研究を体系的にレビューし、技術、特徴表現、埋め込み方法の包括的分類法を提供する。
我々の分析によると、研究の91%がAIベースの手法を使用しており、グラフベースのモデルが最も普及している。
データセットの品質、再現性、解釈可能性などの重要な制限を特定し、フェデレーション学習や量子ニューラルネットワークといった未探索技術における新たな機会を強調し、将来の研究のロードマップを提供する。
関連論文リスト
- Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。
ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。
我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
論文 参考訳（メタデータ） (2025-02-18T02:26:50Z) - Survey on AI-Generated Media Detection: From Non-MLLM to MLLM [51.91311158085973]
AI生成メディアを検出する方法は急速に進化してきた。
MLLMに基づく汎用検出器は、信頼性検証、説明可能性、ローカライゼーション機能を統合する。
倫理的・セキュリティ的な配慮が、重要な世界的な懸念として浮上している。
論文 参考訳（メタデータ） (2025-02-07T12:18:20Z) - SoK: Towards Effective Automated Vulnerability Repair [11.028015952491991]
ソフトウェア脆弱性の増加は、自動脆弱性修復(AVR)技術を必要とする。
この知識の体系化(SoK)は、合成と現実の両方の脆弱性を含む、ランドスケープの包括的概要を提供する。
論文 参考訳（メタデータ） (2025-01-31T00:35:55Z) - Bringing Order Amidst Chaos: On the Role of Artificial Intelligence in Secure Software Engineering [0.0]
進化を続ける技術的景観は、機会と脅威の両方を提供し、カオスと秩序が競合する動的な空間を作り出す。
セキュアなソフトウェアエンジニアリング(SSE)は、ソフトウェアシステムを危険にさらす脆弱性に継続的に対処しなければならない。
この論文は、AIの精度に影響を与えるドメイン固有の違いに対処することで、SSEのカオスに秩序をもたらすことを目指している。
論文 参考訳（メタデータ） (2025-01-09T11:38:58Z) - AI-Aided Kalman Filters [65.35350122917914]
カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。
最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。
本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
論文 参考訳（メタデータ） (2024-10-16T06:47:53Z) - Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - Reporting Risks in AI-based Assistive Technology Research: A Systematic Review [2.928964540437144]
視覚障害者のためのAIベースの支援技術に関する研究について,系統的な文献レビューを行った。
本研究は, 実証可能なプロトタイプを用いたほとんどの技術が, 観光コミュニティのメンバーによる人間による研究では評価されていないことを示す。
論文 参考訳（メタデータ） (2024-07-01T05:22:44Z) - AI in Supply Chain Risk Assessment: A Systematic Literature Review and Bibliometric Analysis [0.0]
本研究では,Google Scholar and Web of Scienceの1,903項目をPRISMAガイドラインで選択した54項目について検討した。
その結果,ランダムフォレスト,XGBoost,ハイブリッドアプローチなどのMLモデルは,パンデミック後の文脈におけるリスク予測精度と適応性を大幅に向上させることがわかった。
この研究は、データ品質や解釈可能性といった課題に対処するために、動的な戦略、学際的なコラボレーション、継続的なモデル評価の必要性を強調している。
論文 参考訳（メタデータ） (2023-12-12T17:47:51Z)
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。