Challenging machine learning algorithms in predicting vulnerable javascript functions

Ferenc Rudolf; Hegedűs Péter; Gyimesi Péter; Antal Gábor; Bán Dénes; Gyimóthy Tibor: Challenging machine learning algorithms in predicting vulnerable javascript functions.
In: 7th IEEE/ACM International Workshop on Realizing Artificial Intelligence Synergies in Software Engineering, RAISE 2019. Institute of Electrical and Electronics Engineers Inc., pp. 8-14. (2019) ISBN 9781728122724

[thumbnail of FHG19-Challenging20Machine20Learning20Algorithms20in20Predicting20Vulnerable20JavaScript20Functions.pdf] Szöveg
FHG19-Challenging20Machine20Learning20Algorithms20in20Predicting20Vulnerable20JavaScript20Functions.pdf - Megjelent verzió
Zárt hozzáférés: Csak az archívum karbantartója

Download (388kB) | Másolat kérése
Mű típusa: Könyv része
Publikáció dátuma: 2019
Terjedelem: 7
Oldalak: pp. 8-14
ISBN: 9781728122724
Kiadó: Institute of Electrical and Electronics Engineers Inc.
Kar/Egység: Természettudományi és Informatikai Kar
Intézmény: Szegedi Tudományegyetem
Nyelv: angol
MTMT rekordazonosító: 30881323
DOI azonosító: https://doi.org/10.1109/RAISE.2019.00010
Dátum: 2019. Nov. 22. 12:34
Utolsó módosítás: 2019. Nov. 22. 12:34
URI: http://publicatio.bibl.u-szeged.hu/id/eprint/17461
Hivatkozások száma a Web of Science® -ben: 17 Idéző cikkek megtekintése a Web of Science® felületén

Actions (login required)

Tétel nézet Tétel nézet

Letöltések

Letöltések havi bontásban az elmúlt egy évben