संदर्भ-सचेत सॉफ़्टवेयर संवेदनशीलता वर्गीकरण मशीन लर्निंग का उपयोग करके

कई सुरक्षा स्कैनिंग सॉफ़्टवेयर द्वारा रिपोर्ट की गई संवेदनशीलताओं का प्रबंधन करना एक थकाऊ और समय-खपत करने वाला कार्य है, खासकर बड़े पैमाने पर, आधुनिक संचार नेटवर्क में। विशेष सॉफ़्टवेयर संवेदनशीलताएँ एक आईटी प्रणाली पर संदर्भ के आधार पर विभिन्न प्रभाव डाल सकती हैं जिसमें वे पता चली हैं। इसके अलावा, स्कैनिंग सॉफ़्टवेयर हजारों समस्याएँ रिपोर्ट कर सकता है, जिससे विश्लेषण और प्राथमिकता जैसे संचालन करना संगठनात्मक दृष्टिकोण से बहुत महंगा हो जाता है। इस पत्र में, हम एक संदर्भ-सचेत सॉफ़्टवेयर संवेदनशीलता वर्गीकरण प्रणाली, Mixeway, का प्रस्ताव करते हैं, जो समग्र प्रक्रिया को स्वचालित करने के लिए मशीन लर्निंग पर निर्भर करता है। ज्ञात और विश्लेषित संवेदनशीलताओं का उपयोग करके एक मॉडल को प्रशिक्षित करके, साथ ही प्राकृतिक भाषा प्रोसेसिंग तकनीकों का उपयोग करके, हम दिखाते हैं कि यह निर्धारित संवेदनशीलता की गंभीरता को परिभाषित करने वाली श्रेणी की भविष्यवाणी करना संभव है। पोलैंड में एक प्रमुख मोबाइल नेटवर्क ऑपरेटर के बुनियादी ढांचे से लगभग 12 महीनों तक Mixeway द्वारा एक वास्तविक जीवन डेटासेट पर प्राप्त प्रयोगात्मक परिणाम यह साबित करते हैं कि प्रस्तावित समाधान उपयोगी और प्रभावी है।