National and Kapodistrian University of Athens
Exploring the Power of Data: A Deep Dive into Large Language Models for Vulnerability Detection
Abstract
dc:descriptionΗ αυξανόμενη συχνότητα εμφάνισης ευπαθειών λογισμικού και οι εξελίξεις στη Μηχανική Μάθηση και Επεξεργασία Φυσικής Γλώσσας έχουν ανοίξει το δρόμο για την εξερεύνηση της δυνατότητας των Μεγάλων Γλωσσικών Μοντέλων στην ανίχνευση ευπαθειών. Αυτή η διπλωματική εργασία διερευνά τον αντίκτυπο των συνόλων δεδομένων εκπαίδευσης στην απόδοση των Μεγάλων Γλωσσικών Μοντέλων στην αναγνώριση ευπαθειών μέσα στον πηγαίο κώδικα. Εξετάζεται τη συσχέτιση μεταξύ της αποτελεσματικότητας των μοντέλων και των μετρικών πολυπλοκότητας του κώδικα, της δομής των συνόλων δεδομένων και των συγκεκριμένων τύπων ευπαθειών. Τα ευρήματά αναδεικνύουν τη σημαντική επιρροή των χαρακτηριστικών των συνόλων δεδομένων στην απόδοση των Μεγάλων Γλωσσικών Μοντέλων, υπογραμμίζοντας την ύπαρξη προσαρμοσμένων δεδομένων εκπαίδευσης και στρατηγικές προσαρμογής. Προτείνεται, επίσης, η δυνατότητα ενσωμάτωσης ενός στα- δίου αξιολόγησης δεδομένων κατά την προεπεξεργασία για τη μέτρηση παραγόντων όπως η ομοιότητα του κώδικα, που θα μπορούσε να βελτιώσει περαιτέρω την αποτελεσματικό- τητα του μοντέλου. Αυτή η έρευνα συμβάλλει στις συνεχιζόμενες προσπάθειες αξιοποίη- σης των Μεγάλων Γλωσσικών Μοντέλων για τη βελτίωση της ασφάλειας του λογισμικού και παρέχει πληροφορίες για μελλοντικές ερευνητικές κατευθύνσεις σε αυτόν τον τομέα.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Γαλανοπούλου Ραφαήλα
- Galanopoulou Rafaila
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3417157