1 |
1
각각 복수의 취약점 데이터 셋 중 하나와 복수의 학습 알고리즘 중 하나를 이용한 학습을 통해 생성된 복수의 취약점 분류 모델을 저장하는 모델 저장부;상기 복수의 취약점 분류 모델 중 취약점 분류 대상인 소프트웨어 바이너리 파일에 대한 취약점 분류를 위해 이용할 취약점 분류 모델을 결정하는 모델 결정부; 및상기 결정된 취약점 분류 모델을 이용하여 상기 소프트웨어 바이너리 파일에 포함된 취약점을 분류하는 취약점 분석부를 포함하고,상기 모델 결정부는, 상기 소프트웨어 바이너리 파일과 상기 복수의 취약점 데이터 셋 각각 사이의 유사도 및 상기 복수의 취약점 분류 모델 각각의 분류 정확도에 기초하여 상기 취약점 분류를 위해 이용할 취약점 분류 모델을 결정하는 소프트웨어 취약점 분류 장치
|
2 |
2
삭제
|
3 |
3
청구항 1에 있어서,상기 모델 결정부는, 상기 복수의 취약점 분류 모델 중 상기 유사도가 가장 높은 취약점 데이터 셋을 이용하여 학습된 하나 이상의 취약점 분류 모델을 결정하고, 상기 하나 이상의 취약점 분류 모델 중 상기 분류 정확도가 가장 높은 취약점 분류 모델을 상기 취약점 분류를 위해 이용할 취약점 분류 모델로 결정하는 소프트웨어 취약점 분류 장치
|
4 |
4
청구항 1에 있어서,상기 복수의 학습 알고리즘은, 랜덤 포레스트(random forest) 알고리즘, 소프트맥스 회귀(softmax regression) 및 CNN(Convolutional Neural Network) 알고리즘 중 적어도 하나를 포함하는 소프트웨어 취약점 분류 장치
|
5 |
5
청구항 1에 있어서,상기 복수의 취약점 데이터 셋 중 사용자에 의해 선택된 데이터 셋 및 상기 복수의 학습 알고리즘 중 상기 사용자에 의해 선택된 학습 알고리즘을 이용한 학습을 통해 상기 복수의 취약점 분류 모델을 생성하는 모델 생성부를 더 포함하는 소프트웨어 취약점 분류 장치
|
6 |
6
취약점 분류 대상인 소프트웨어 바이너리 파일을 입력받는 단계;각각 복수의 취약점 데이터 셋 중 하나와 복수의 학습 알고리즘 중 하나를 이용한 학습을 통해 생성된 복수의 취약점 분류 모델 중 상기 소프트웨어 바이너리 파일에 대한 취약점 분류를 위해 이용할 취약점 분류 모델을 결정하는 단계; 및상기 결정된 취약점 분류 모델을 이용하여 상기 소프트웨어 바이너리 파일에 포함된 취약점을 분류하는 단계를 포함하고,상기 결정하는 단계는, 상기 소프트웨어 바이너리 파일과 상기 복수의 취약점 데이터 셋 각각 사이의 유사도 및 상기 복수의 취약점 분류 모델 각각의 분류 정확도에 기초하여 상기 취약점 분류를 위해 이용할 취약점 분류 모델을 결정하는 소프트웨어 취약점 분류 방법
|
7 |
7
삭제
|
8 |
8
청구항 6에 있어서,상기 결정하는 단계는, 상기 복수의 취약점 분류 모델 중 상기 유사도가 가장 높은 취약점 데이터 셋을 이용하여 학습된 하나 이상의 취약점 분류 모델을 결정하고, 상기 하나 이상의 취약점 분류 모델 중 상기 분류 정확도가 가장 높은 취약점 분류 모델을 상기 취약점 분류를 위해 이용할 취약점 분류 모델로 결정하는 소프트웨어 취약점 분류 방법
|
9 |
9
청구항 6에 있어서,상기 복수의 학습 알고리즘은, 랜덤 포레스트(random forest) 알고리즘, 소프트맥스 회귀(softmax regression) 및 CNN(Convolutional Neural Network) 알고리즘 중 적어도 하나를 포함하는 소프트웨어 취약점 분류 방법
|
10 |
10
청구항 6에 있어서,상기 입력받는 단계 이전에, 상기 복수의 취약점 데이터 셋 중 사용자에 의해 선택된 데이터 셋 및 상기 복수의 학습 알고리즘 중 상기 사용자에 의해 선택된 학습 알고리즘을 이용한 학습을 통해 상기 복수의 취약점 분류 모델을 생성하는 단계를 더 포함하는 소프트웨어 취약점 분류 방법
|
11 |
11
하나 이상의 프로세서;메모리; 및하나 이상의 프로그램을 포함하는 장치로서,상기 하나 이상의 프로그램은 상기 메모리에 저장되고 상기 하나 이상의 프로세서에 의해 실행되도록 구성되며,상기 하나 이상의 프로그램은,취약점 분류 대상인 소프트웨어 바이너리 파일을 입력받는 단계;각각 복수의 취약점 데이터 셋 중 하나와 복수의 학습 알고리즘 중 하나를 이용한 학습을 통해 생성된 복수의 취약점 분류 모델 중 상기 소프트웨어 바이너리 파일에 대한 취약점 분류를 위해 이용할 취약점 분류 모델을 결정하되, 상기 소프트웨어 바이너리 파일과 상기 복수의 취약점 데이터 셋 각각 사이의 유사도 및 상기 복수의 취약점 분류 모델 각각의 분류 정확도에 기초하여 상기 취약점 분류를 위해 이용할 취약점 분류 모델을 결정하는 단계; 및상기 결정된 취약점 분류 모델을 이용하여 상기 소프트웨어 바이너리 파일에 포함된 취약점을 분류하는 단계를 실행하기 위한 명령어들을 포함하는 소프트웨어 취약점 분류 장치
|