기계학습 알고리즘을 이용한 소프트웨어 취약 여부 예측 시스템

Vol. 28, No. 3, pp. 635-642, 5월. 2018
10.13089/JKIISC.2018.28.3.635, Full Text:
Keywords: Machine Learning, Fuzzing, prediction, Vulnerability, Confusion Matrix
Abstract

4차 산업혁명 시대에 우리는 소프트웨어 홍수 속에 살고 있다. 그러나, 소프트웨어의 증가는 필연적으로 소프트웨어 취약점 증가로 이어지고 있어 소프트웨어 취약점을 탐지 및 제거하는 작업이 중요하게 되었다. 현재까지 소프트웨어 취약 여부를 예측하는 연구가 진행되었지만, 탐지 시간이 오래 걸리거나, 예측 정확도가 높지 않았다. 따라서본 논문에서는 기계학습 알고리즘을 이용하여 소프트웨어의 취약 여부를 효율적으로 예측하는 방법을 설명하며, 다양한 기계학습 알고리즘을 이용한 실험 결과를 비교한다. 실험 결과 k-Nearest Neighbors 예측 모델이 가장 높은 예측률을 보였다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
최민준, 김주환, 윤주범, "Software Vulnerability Prediction System Using Machine Learning Algorithm," Journal of The Korea Institute of Information Security and Cryptology, vol. 28, no. 3, pp. 635-642, 2018. DOI: 10.13089/JKIISC.2018.28.3.635.

[ACM Style]
최민준, 김주환, and 윤주범. 2018. Software Vulnerability Prediction System Using Machine Learning Algorithm. Journal of The Korea Institute of Information Security and Cryptology, 28, 3, (2018), 635-642. DOI: 10.13089/JKIISC.2018.28.3.635.