कमजोर घटकों की भविष्यवाणी: सॉफ्टवेयर मैट्रिक्स बनाम टेक्स्ट माइनिंग

सुरक्षित सॉफ्टवेयर बनाना कठिन, समय लेने वाला और महंगा है। भविष्यवाणी मॉडल जो कमजोरियों के प्रति संवेदनशील सॉफ्टवेयर घटकों की पहचान करते हैं, सुरक्षा प्रयासों पर ध्यान केंद्रित करने के लिए इस्तेमाल किए जा सकते हैं, जिससे सॉफ्टवेयर को सुरक्षित करने के लिए आवश्यक समय और प्रयास को कम करने में मदद मिलती है। बीते दशक में कई तरह के कमजोरी पूर्वानुमान मॉडल प्रस्तावित किए गए हैं। हालाँकि, इन मॉडल का विभिन्न कार्यप्रणालियों और डेटासेट्स के साथ मूल्यांकन किया गया, जिससे विभिन्न मॉडलिंग तकनीकों की वास्तविक ताकतों और कमजोरियों का निर्धारण करना कठिन हो गया। इस लेख में, हम तीन वेब एप्लिकेशन में पाए गए 223 कमजोरियों को शामिल करते हुए एक उच्च गुणवत्ता वाला, सार्वजनिक डेटासेट प्रदान करते हैं, ताकि इस मुद्दे का समाधान किया जा सके। हमने टेक्स्ट माइनिंग पर आधारित कमजोरी पूर्वानुमान मॉडलों की तुलना में सॉफ्टवेयर मैट्रिक्स का उपयोग करने वाले मॉडलों की तुलना करने के लिए इस डेटासेट का उपयोग किया। हमने पाया कि टेक्स्ट माइनिंग मॉडल सभी तीन एप्लिकेशन के लिए सॉफ्टवेयर मैट्रिक्स आधारित मॉडलों की तुलना में उच्च पुनः कॉल रखते थे।