DC Field | Value | Language |
dc.contributor.author | MECHRI, ABdechakour | - |
dc.date.accessioned | 2024-09-23T13:27:05Z | - |
dc.date.available | 2024-09-23T13:27:05Z | - |
dc.date.issued | 2024 | - |
dc.identifier.uri | https://repository.esi-sba.dz/jspui/handle/123456789/639 | - |
dc.description | Supervisor : Dr. KHALDI Belkacem Co-Supervisor : Dr. FERRAG Mohamed Amine | en_US |
dc.description.abstract | The increasing reliance on software in various domains has heightened the importance of
software security, necessitating innovative approaches to protect applications from malicious
attacks and other cyber threats. This thesis, titled ”Enhancing Software Security Using
Transformer-Based Language Models,” explores the potential of transformer models to improve
software security. Our primary objectives include developing algorithms that leverage
transformer models for effective vulnerability detection and analysis, automating threat detection
and mitigation, and evaluating the practical application of these models in real-world
scenarios.
Motivated by the need to enhance the resilience of software systems against evolving
cyber threats, we propose utilizing advanced machine learning techniques to understand,
predict, and mitigate security vulnerabilities. Our methodology encompasses the creation of
high-quality labeled datasets, and the implementation of state-of-the-art transformer-based
model for detecting software vulnerability. Through this approach, we achieved fine-grained
line-level detection and multi-class classification of vulnerabilities, contributing to the development
of more effective and trustworthy security solutions.
Our findings demonstrate that transformer-based models significantly enhance software
vulnerability detection, providing insights and methodologies for integrating these models
into existing security practices. By deploying our model in a real-world scenario, we showcased
its practical utility, highlighting its potential to assist analysts in safeguarding software
systems. This work advances the field of cybersecurity by offering a robust and scalable solution
to the persistent challenges of software security. ***
L’importance croissante de la sécurité des logiciels, rendue nécessaire par la dépendance accrue à
ces derniers dans divers domaines, appelle à des approches innovantes pour protéger les applications
contre les attaques malveillantes et autres menaces cybernétiques. Cette thèse, intitulée ”Améliorer
la sécurité des logiciels à l’aide des modèles de langage basés sur les transformateurs”, explore le
potentiel des modèles de transformateurs pour améliorer la sécurité des logiciels. Nos objectifs
principaux incluent le développement d’algorithmes exploitant les modèles de transformateurs pour
une détection et une analyse efficaces des vulnérabilités, l’automatisation de la détection et de la
mitigation des menaces, et l’évaluation de l’application pratique de ces modèles dans des scénarios
réels.
Motivés par la nécessité d’améliorer la résilience des systèmes logiciels face aux menaces cybernétiques
évolutives, nous proposons d’utiliser des techniques avancées d’apprentissage automatique
pour comprendre, prédire et atténuer les vulnérabilités de sécurité. Notre méthodologie englobe la
création de jeux de données étiquetés de haute qualité, et la mise en oeuvre d’un modèle basé sur
les transformateurs pour la détection des vulnérabilités logicielles. Grâce à cette approche, nous
avons réalisé une détection fine et au niveau des lignes ainsi qu’une classification multiclasses des
vulnérabilités, contribuant au développement de solutions de sécurité plus efficaces et fiables.
Nos résultats démontrent que les modèles basés sur les transformateurs améliorent significativement
la détection des vulnérabilités logicielles, fournissant des informations et des méthodologies
pour intégrer ces modèles dans les pratiques de sécurité existantes. En déployant notre modèle dans
un scénario réel, nous avons mis en avant son utilité pratique, soulignant son potentiel à aider les
analystes à protéger les systèmes logiciels. Ce travail fait progresser le domaine de la cybersécurité
en offrant une solution robuste et évolutive aux défis persistants de la sécurité des logiciels. | en_US |
dc.language.iso | en | en_US |
dc.subject | Static Analysis | en_US |
dc.subject | Vulnerability Detection | en_US |
dc.subject | Codebase | en_US |
dc.subject | Large Language Model | en_US |
dc.subject | Software Security | en_US |
dc.subject | Security | en_US |
dc.subject | Generative Pre-trained Transformers | en_US |
dc.title | Enhancing Software Security Using Transformer-Based Language Models | en_US |
dc.type | Thesis | en_US |
Appears in Collections: | Ingenieur
|