49、实验性威胁模型重用与误用用例图及二进制程序自动补丁生成技术

实验性威胁模型重用与误用用例图及二进制程序自动补丁生成技术

1. 实验性威胁模型重用研究

在实验中使用学生群体来回答研究问题是合适的,因为目标群体是并非安全专家的软件开发人员。在可靠性方面,最初设计的任务后调查问卷是与技术接受模型(TAM)保持一致,以衡量导致技术接受的三个因素:感知有用性、易用性和使用意愿。但通过VARIMAX旋转进行的因子分析表明,问卷问题并未按预期对应这些因素,因此选择独立分析每个问题。

在模型分析中,对所有威胁模型进行分析,以确定M1和M2在识别的威胁方面是否存在差异,以及目录中的图表是否被实际重用。分析显示,在同一案例研究中使用M1建模的图表比M2更相似,且误用用例图正在被重用。不过,分析存在一定弱点,比如在实验后创建威胁类别,并将相似威胁归入最匹配的类别,这种定性评估可能使其他研究人员得出略有不同的结果。同时,目录的质量也会影响结果,例如案例研究B中目录里最相似的误用用例图比案例研究A的更不详细且威胁更少。此外,拉丁方设计让一组在实验的第一轮查看误用目录,这可能影响结果,不过由于改变了案例研究的领域,这种影响有限。

从实验结果来看,非安全专家的软件开发人员在威胁建模活动中更倾向于重用现有模型的方法,且模型的重用会影响最终结果的感知。但在提供模型和使用现有图表之前需谨慎,因为可重用图表必须具备高质量,否则可能引入新的安全问题。

2. 二进制程序自动补丁生成技术

软件漏洞威胁主机安全,传统生成补丁的方法通常需要人工干预,耗时且依赖经验,一些启发式方法虽能自动生成补丁,但存在较高的误报或漏报率。为此提出了名为PatchGen的系统,它具有以下创新点:
- 能自动为Windows x86二进制文件生成补丁,

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理迭代收敛过程,以便在实际项目中灵活应用改进。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值