女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

市場上主流的機器學習靜態分析器

h1654155282.3538 ? 來源:企業網D1Net ? 作者:企業網D1Net ? 2020-12-27 09:50 ? 次閱讀

機器學習人工智能這兩種技術在許多領域廣泛應用,尤其是在營銷分析和網絡安全方面,它們在這些領域的成功應用促使有些人試圖將它們用于所有方面。這其中包括使用機器學習系統創建用于定位安全漏洞的靜態代碼分析器。

其中一些應用嘗試取得了一定的成功:Facebook、亞馬遜和Mozilla公司現在都提供了某種形式的機器學習驅動的靜態代碼分析器。但是,正如了解機器學習基礎的任何人都知道的那樣,這些方法也存在一些固有的局限性。

機器學習靜態分析器

在過去的幾年里,人們看到市場上出現了大量的機器學習驅動的靜態分析器。其中一些是由熱心的業余愛好者開發的;另一些是由科技巨頭開發的,Facebook、亞馬遜和Mozilla現在都在提供這樣的工具,而且在發布每一個版本時都承諾會徹底改變開發過程。

實際上,這些工具在搜索漏洞和錯誤時為開發人員節省了時間。以下了解一下市場上主流的一些機器學習靜態分析器:

1.DeepCode

DeepCode可能是Java、JavaScript和Python最著名的漏洞搜索程序。DeepCode還提供了一個機器學習模塊,開發人員稱其為“開發人員的語法”。

DeepCode的機器學習模塊通過查看開發人員在處理大量項目時所做的大量更改來工作。通過學習,DeepCode可以為開發人員提供針對他們正在解決的問題的建議解決方案,并捕獲以前出現的錯誤。

DeepCode仍然包含一些限制。該系統的開發者聲稱,自從2018年起將支持采用C++語言,開發人員可以通過其插件使用C++和DeepCode。

2.Infer

Infer已經存在了將近十年,并于2013年被Facebook公司收購,作為基于機器學習原理的靜態代碼分析器的基礎。由于多種原因,Infer作為靜態分析器已變得非常流行:它支持多種語言,并且可以與AWS和Oculus結合使用。最重要的是,該項目的源代碼于2015年開放,從而推動了項目的快速發展。

盡管它很受歡迎,即使是使用Infer的開發人員也承認,即使在Facebook項目中,它生成的警告中也只有80%是有用的。它將發現指針取消引用和內存泄漏錯誤,但是仍然存在Infer無法檢測到的錯誤類別,包括類型轉換異常和未驗證的數據泄漏。

3.Sourcem5kw60s9xdeh

Sourcem5kw60s9xdeh是一個開源靜態代碼分析器和開發管理器,它不僅致力于為管理者提供有關特定軟件項目進度的信息,而且還為開發人員提供了許多工具。作為靜態應用程序安全測試協議的一部分,它可以執行許多有用的SAST功能,其中包括分析字節碼和二進制文件以及應用程序源代碼中的漏洞。

該軟件的主要優點之一是其源代碼是完全透明的,并且可以在GitHub存儲庫中使用,從而使開發人員可以從根本上構建自己的機器學習增強型代碼分析器。

這就是說,Sourcem5kw60s9xdeh在隔離代碼錯誤方面非常有限。它使用Babelfish服務將特定的代碼實例轉換為通用語法樹,并從那里可以簡化和建議對代碼的編輯,使其更易于使用。在使用代碼時,這可以為開發人員節省大量的時間,但這并不是一個完整的靜態分析器。

其他的靜態分析器

除了這三種解決方案之外,還有一些新興的靜態分析器有望實現。Clever-commit是Mozilla公司的一個項目,但是在細節方面仍然令人沮喪。CodeGuru是亞馬遜公司的機器學習增強型靜態代碼分析器,但目前僅適用于Java。Embold是一個用于錯誤分析的啟動平臺,提供可視化的代碼依存關系,但在可使用的語言方面也受到限制。

所有這些系統對于開發人員都非常有用,但只有在將它們與特定語言結合使用的情況下,并且僅在經過培訓以實現特定結果的地方,這些功能才是有用的。換句話說,支持機器學習的靜態代碼分析器(一種可以在多種語言和環境中捕獲錯誤和故障的多功能工具)的承諾尚未實現。

開發愛好者會說這只是因為機器學習驅動的靜態分析器仍需要進一步開發。然而,重新考慮機器學習系統的實際工作方式表明,這些問題可能會持續存在一段時間。

結論

最后,人們要了解的是。機器學習技術仍處于起步階段,并可能在許多開發領域中找到許多有用的應用程序。但是需要知道,機器學習技術仍然很難改變靜態分析工具的構建方式。

從最根本的角度來說,這是因為靜態分析與機器學習平臺本質上是不同的。與用于運行人工智能和機器學習系統的模糊的概率邏輯不同,錯誤隔離和修復需要精確的、可重復的方法。最終人們不希望靜態分析器根據其他示例指出代碼可能出錯,并且想確切地知道它是否能夠工作。

遺憾的是,只有通過明確編碼的分析器才能實現這種確定性。至少現在是這樣。
責任編輯人:CC

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 分析器
    +關注

    關注

    0

    文章

    93

    瀏覽量

    12675
  • 機器學習
    +關注

    關注

    66

    文章

    8493

    瀏覽量

    134133
收藏 人收藏

    評論

    相關推薦
    熱點推薦

    目前市場上主流的LLC+PFC組合IC(二合一控制)匯總

    以下是目前市場上主流的LLC+PFC組合IC(二合一控制)匯總,涵蓋國內外廠商的典型型號及其特點: 國際廠商方案 MPS(芯源系統) HR1200/HR1203/HR1211/HR1270
    的頭像 發表于 04-08 16:31 ?983次閱讀

    市場上主流的端側AI MPU 大全

    當前市場上主流的端側AI MPU(Micro Processing Unit,微處理)品牌及型號盤點,涵蓋不同應用場景(如物聯網、邊緣計算、嵌入式設備等)的芯片選擇: ? 1. 國際品牌
    的頭像 發表于 04-02 17:44 ?1523次閱讀

    機器學習模型市場前景如何

    當今,隨著算法的不斷優化、數據量的爆炸式增長以及計算能力的飛速提升,機器學習模型的市場前景愈發廣闊。下面,AI部落小編將探討機器學習模型
    的頭像 發表于 02-13 09:39 ?297次閱讀

    VirtualLab Fusion應用:光柵級次分析器

    VirtualLab Fusion中也可用。這種全矢量方法的結果是復數瑞利系數,它包含每階所需的所有場信息,從中可以獲得相應的效率。VirtualLab Fusion中的光柵順序分析器幫助我們生成并以圖像方式
    發表于 02-11 09:47

    VirtualLab:系統建模分析器

    ,系統建模分析器。本文檔介紹該工具的使用方法。 系統建模分析器 如何運行建模分析器 系統建模分析器 例1:光束清理濾波 示例 – 光
    發表于 01-14 09:45

    偏振分析器

    摘要 線柵偏振,可以使透射光產生線性偏振狀態,是眾多應用中常見的一種光學元件。由于它們的結構在亞波長范圍內,因此必須對光的傳播進行嚴格的處理。VirtualLab的偏振分析器及其內置的RCWA
    發表于 01-13 08:59

    VirtualLab Fusion:系統建模分析器

    ,系統建模分析器。本文檔介紹該工具的使用方法 系統建模分析器 如何運行建模分析器 系統建模分析器 例1:光束清理濾波 示例 – 光束
    發表于 01-04 08:45

    如何選擇云原生機器學習平臺

    當今,云原生機器學習平臺因其彈性擴展、高效部署、低成本運營等優勢,逐漸成為企業構建和部署機器學習應用的首選。然而,市場上的云原生
    的頭像 發表于 12-25 11:54 ?396次閱讀

    zeta在機器學習中的應用 zeta的優缺點分析

    在探討ZETA在機器學習中的應用以及ZETA的優缺點時,需要明確的是,ZETA一詞在不同領域可能有不同的含義和應用。以下是根據不同領域的ZETA進行的分析: 一、ZETA在機器
    的頭像 發表于 12-20 09:11 ?904次閱讀

    VirtualLab:系統建模分析器

    ,系統建模分析器。本文檔介紹該工具的使用方法。 系統建模分析器 如何運行建模分析器 系統建模分析器 例1:光束清理濾波 示例 – 光
    發表于 12-19 12:36

    市場上哪些功率半導體產品最受青睞?有哪些獨特優勢

    直接影響著整個系統的效率和可靠性。 那么,當前市場上哪些功率半導體產品最受青睞?它們又具有哪些獨特優勢呢?本文將為您帶來詳細解答。 1、【清純】SiC MOSFET 1200V/40mR S1M040120H 1200V/40mR SiC MOSFET 可靠性好,并且通過了雙應力加嚴測
    的頭像 發表于 12-09 09:20 ?758次閱讀

    什么是機器學習?通過機器學習方法能解決哪些問題?

    計算機系統自身的性能”。事實上,由于“經驗”在計算機系統中主要以數據的形式存在,因此機器學習需要設法對數據進行分析學習,這就使得它逐漸成為智能數據
    的頭像 發表于 11-16 01:07 ?861次閱讀
    什么是<b class='flag-5'>機器</b><b class='flag-5'>學習</b>?通過<b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法能解決哪些問題?

    國內市場上一些主流EDA軟件功能與性能綜合對比

    ?隨著電子設計自動化(EDA)技術的發展,中國市場上出現了多款優秀的EDA軟件,它們在功能和性能方面各具特色。本文將對Altium Designer、PADS和TARGET3001!這三款主流EDA
    發表于 08-13 09:54

    機器學習在數據分析中的應用

    隨著大數據時代的到來,數據量的爆炸性增長對數據分析提出了更高的要求。機器學習作為一種強大的工具,通過訓練模型從數據中學習規律,為企業和組織提供了更高效、更準確的數據
    的頭像 發表于 07-02 11:22 ?1294次閱讀

    深度學習與傳統機器學習的對比

    在人工智能的浪潮中,機器學習和深度學習無疑是兩大核心驅動力。它們各自以其獨特的方式推動著技術的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于機器
    的頭像 發表于 07-01 11:40 ?2251次閱讀