Odeur du code et vulnérabilité : Une conception expérimentale

Les applications logicielles avancées développées à l'aide de divers langages de programmation constituent une grande menace pour la violation de données confidentielles si l'on n'y prend pas garde. Les odeurs de code et les vulnérabilités permettent d'identifier les lacunes des logiciels pendant la maintenance et après la production, respectivement. Les odeurs de code sont des pratiques négligentes suivies par les développeurs et les vulnérabilités sont des défauts ou des failles dans le système d'exploitation qui permettent d'enfreindre les mesures de sécurité. Le livre conceptualise la procédure de détection des odeurs de code et des vulnérabilités à l'aide de différentes méthodologies d'apprentissage automatique et d'apprentissage profond, tout en prédisant la plus grande précision à l'aide de différents outils et méthodologies, ainsi que les menaces possibles pour la validité.

Autorentext

Der Autor hat einen M.Tech(CSE)-Abschluss und ist derzeit bei der indischen Regierung beschäftigt. Der Autor wurde mit dem Young Researcher Award 2023 ausgezeichnet und erhielt die Goldmedaille der Internationalen Mathematik-Olympiade. Seine Forschungsgebiete sind Codegeruch, Anfälligkeit, Cybersicherheit, ML, Deep Learning, E-Governance und digitale Forensik.

Klappentext

Les applications logicielles avancées développées à l'aide de divers langages de programmation constituent une grande menace pour la violation de données confidentielles si l'on n'y prend pas garde. Les odeurs de code et les vulnérabilités permettent d'identifier les lacunes des logiciels pendant la maintenance et après la production, respectivement. Les odeurs de code sont des pratiques négligentes suivies par les développeurs et les vulnérabilités sont des défauts ou des failles dans le système d'exploitation qui permettent d'enfreindre les mesures de sécurité. Le livre conceptualise la procédure de détection des odeurs de code et des vulnérabilités à l'aide de différentes méthodologies d'apprentissage automatique et d'apprentissage profond, tout en prédisant la plus grande précision à l'aide de différents outils et méthodologies, ainsi que les menaces possibles pour la validité.