11、构建双元软件安全倡议:平衡上下驱动以提升安全

构建双元软件安全倡议:平衡上下驱动以提升安全

1. 软件安全与敏捷开发的挑战

如今,社会各领域对软件系统的依赖程度与日俱增,然而软件系统面临的威胁也在不断增加。虽然网络安全措施(如防火墙和杀毒软件)能在一定程度上提升软件系统的安全性,但这些只是解决了表面问题,真正的问题在于软件本身存在的漏洞。

在软件开发过程中采用软件安全活动和措施,是应对软件系统网络威胁的直接有效方法。但这会增加开发时间和成本,并且需要妥善实施才能发挥效果。在很多方面,安全与当前的“持续开发”趋势存在冲突,至少在短期内会降低效率,延迟新功能的交付,不过从长期来看,可能会减少后续的修复成本。

与瀑布式开发相比,在敏捷开发中建立有效的软件安全活动流程可能更为困难。在瀑布式开发中,更容易为不同的软件开发阶段设置强制性或推荐性的安全活动。而在敏捷开发中,传统的软件安全方法不一定适用。此外,安全作为非功能性需求(NFR),是一个系统性的属性,在敏捷开发中,很难对最终系统有一个全面的了解。

非功能性需求通常涉及或跨越多个功能性需求,但在实际项目中,与功能性需求相比,非功能性需求往往容易被忽视。在敏捷开发中,由于强调尽早且频繁地交付用户价值,在早期可交付增量中,质量属性的优先级难以确定,这可能导致系统难以修改、不可靠、运行缓慢或不安全。在软件组织中,安全实践往往得不到优先考虑,原因可能是从业者看不到这些活动对项目安全改进的相关性和重要性,或者认为非功能性或跨功能性问题对许多系统的风险较低。另外,敏捷开发团队通常由少数开发人员组成,且很多时候是多面手,而妥善处理软件安全需要专业工具和专业知识。目前,软件开发团队中通常没有专门的安全角色。

不过,敏捷开发也为安全带来了一些机会,例如能够适应

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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