بهبود خزش در برنامه های غنی شده ی تحت وب با بکارگیری مدل مبتنی برریسک
Publish place: International Congress on Engineering Innovation
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 566
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEICONF01_094
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
استفاده از فناوری های نوین در برنامه های وب سبب بروز چالش هایی در زمینه های مختلف از جمله تحلیل خودکار امنیتاین برنامه ها شده است. یکی از چالش هایی که در مطالعات اخیر مورد توجه بوده است، کارایی خزنده های برنامه های غنیشده ی وب می باشد. خزنده های سنتی و راهبردهای مورد استفاده در آنها، مانند راهبردهای اول سطح و اول عمق، برایخزش برنامه های سنتی وب مناسب بودهاند. اما این خزنده ها فاقد کارایی لازم در خزش برنامه های غنی شده ی تحت وبمی باشند. بدین ترتیب راهبردهای مبتنی بر مدل ارایه شد. با این وجود هیچ یک از کارهای انجام شده در زمینه ی خزشمبتنی بر مدل، با نگاه امنیتی نبوده است و در نتیجه مدل های ارایه شده، برای انجام تست های امنیتی و کشف آسیب-پذیری ها بهینه نمی باشند. هدف خزنده های مبتنی بر مدل ارایه شده پیدا کردن سریعتر صفحات جدید می باشد. ما دراینجا سعی می کنیم تا با اعمال راهکارهایی جدید، یک مدل ریسک ایجاد کنیم و خزنده را به سمت پیدا کردن هرچهسریع تر صفحه های پرخطر و آسیب پذیر هدایت کنیم. که در نتیجه ی آن، اسکنر مربوطه قادر خواهد بود تا آسیب پذیری-های بیشتری را در زمان کمتری کشف کند. در واقع در این پژوهش با توسعه ی راهبرد مدل احتمال، مدل مبتنی برریسک ارایه میشود که برای تحلیل امنیتی مناسب خواهد بود. در مدل ارایه شده اولویت بندی رویدادها بر اساس ریسکآنها صورت خواهد گرفت. بدین ترتیب، اولویت اجرا به رویدادی داده می شود که سابقه ی بهتری در پیدا کردن صفحه-های پرخطر داشته است. طبق ارزیابی های انجام شده در این مقاله مشاهده می شود که در راهبرد پیشنهادی، صفحه هایآسیب پذیر سریع تر از راهبردهای دیگر کشف خواهند شد.
Authors
محمد جعفرنژادقمی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه فردوسی مشهد، ایران
سیدامین حسینی سنو
استادیار گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :