dc.contributor.author |
Dzieciątko, Jakub |
|
dc.date.accessioned |
2023-01-13T09:04:34Z |
|
dc.date.available |
2023-01-13T09:04:34Z |
|
dc.date.issued |
2023-01-13 |
|
dc.identifier.issn |
2022/M/BM/6 |
|
dc.identifier.uri |
https://repin.pjwstk.edu.pl/xmlui/handle/186319/2232 |
|
dc.description.abstract |
Praca przedstawia implementację rozwiązania, stosującego techniki uczenia maszynowego do generowania danych wejściowych w procesie testowania oprogramowania z użyciem fuzzingu. Prezentowany jest model generatywnej sieci neuronowej oraz proces, pozwalający na zastosowanie go razem z narzędziem libFuzzer do testowania biblioteki libxml2. Przeprowadzono testy proponowanego rozwiązania oraz pomiary jego wydajności i jakości generowanych danych. W rezultacie stwierdzono, że praktyczne zastosowanie stworzonego narzędzia nie jest opłacalne ze względu na wysoki koszt. Zaproponowano usprawnienia, pozwalające na potencjalne zwiększenie opłacalności. |
pl_PL |
dc.language.iso |
other |
pl_PL |
dc.relation.ispartofseries |
;Nr 6852 |
|
dc.subject |
fuzzing |
pl_PL |
dc.subject |
bezpieczeństwo |
pl_PL |
dc.subject |
testowanie oprogramowania |
pl_PL |
dc.subject |
uczenie maszynowe |
pl_PL |
dc.title |
Zastosowanie technik uczenia maszynowego w fuzzingu |
pl_PL |
dc.type |
Thesis |
pl_PL |