| Titre : | Apprentissage profond d’attributs du code source pour une détection efficace de ses vulnérabilités |
| Auteurs : | Nadjet Belhaidas, Auteur ; Assia Mohcene, Auteur ; Mohammed Zagane, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2021 |
| ISBN/ISSN/EAN : | SE01247T |
| Format : | 81P. / ill. en coul. / 29 cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : | Les vulnérabilités logicielles deviennent une menace majeure pour la sécurité de nombreux systèmes informatiques. Il est donc important de détecter et de corriger une vulnérabilité à temps et avant la livraison du logiciel. Les solutions de la détection automatique des vulnérabilités aident les développeurs et minimisent les coûts en matière du temps et du budget. Les solutions récemment proposées reposent sur l’apprentissage automatique et profond. Dans ce mémoire, nous proposons une approche améliorée basée sur l’hybridation de deux techniques largement utilisées dans le domaine du traitement automatiques : word-embedding et TF-IDF. Nous utilisons aussi l’apprentissage profond pour une classification pertinente du code. |
Exemplaires (3)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE01247T | INF418 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
| SE02120T | INF418 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
| SE02121T | INF418 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Libre accès Disponible |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
