The Role of Vulnerable Software Metrics on Software Maintainability Prediction

dc.authorid0000-0002-2131-6368en_US
dc.contributor.authorBatur Şahin, Canan
dc.date.accessioned2022-03-28T07:30:10Z
dc.date.available2022-03-28T07:30:10Z
dc.date.issued2021en_US
dc.departmentMTÖ Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, Yazılım Mühendisliği Bölümüen_US
dc.description.abstractSoftware maintainability is among the basic quality features of software engineering. Vulnerability prediction is crucial to protect software maintainability from attacks for cybersecurity. Hence, managing vulnerability in an accurate way is an important phase for the efficient prediction of software maintenance. The existing technologies have achieved many good results in vulnerability detection, but no significant results have been obtained on how effective vulnerability metrics for software maintainability prediction is. As far as we know, this paper is the first study that applies the Deep Learning-based Symbiotic Immune Network Model to develop a software maintainability prediction model using vulnerability software metrics. This study proposes a novel methodology capable of discovering software maintainability metrics in open-source software programs efficiently and accurately. The current study also tries to identify vulnerability metrics frequently utilized in software maintainability. In this paper, five commonly employed open-source projects subjected to attacks, such as Mozilla, Linux Kernel, Xen Hypervisor, glibc, and httpd, are used. In the scope of this research, mentioned five open-source software projects were used as datasets, and they were analyzed with their effect on software maintainability prediction. The analysis of the software metrics was performed, and the descriptive statistics of the software metrics were presented. The current research obtained results of software metrics that accurately predicting software maintenance. Furthermore, the experimental findings confirm the effectiveness of the obtained vulnerability metrics for predicting software maintainability. Our experimental results claim that the proposed Deep Learning-based Symbiotic Immune Network Model enables the prediction of software maintainability to be substantially more effective.en_US
dc.description.abstractYazılım sürdürülebilirliği, yazılım mühendisliğinin temel kalite özellikleri arasındadır. Güvenlik açığı tahmini, yazılım sürdürülebilirliğini siber güvenlik saldırılarına karşı korumak için oldukça önemlidir. Bu nedenle, güvenlik açığının doğru bir şekilde yönetimi, yazılım sürdürülebilirliğinin tahmini için önemli bir aşamadır. Mevcut teknolojiler, güvenlik açığı tespitinde pek çok iyi sonuç elde etmişlerdir, ancak yazılım sürdürülebilirlik tahmini için güvenlik açığı metriklerinin ne kadar etkili olduğu konusunda önemli sonuçlar elde edilmemiştir. Bildiğimiz kadarıyla, bu çalışma, güvenlik açığı yazılım metriklerini kullanarak bir yazılım sürdürülebilirlik tahmin modeli geliştirmek için Derin Öğrenme tabanlı Simbiyotik Bağışıklık Ağı Modelini uygulayan ilk çalışmadır. Bu çalışma, açık kaynaklı yazılım projelerindeki yazılım sürdürülebilirlik metriklerini verimli ve doğru bir şekilde keşfedebilen yeni bir metodoloji önermektedir. Mevcut çalışma aynı zamanda yazılım sürdürülebilirliğinde sıklıkla kullanılan güvenlik açığı metriklerini belirlemeye çalışmaktadır. Bu çalışmada, Mozilla, Linux Kernel, Xen Hypervisor, glibc ve httpd gibi saldırılara maruz kalan, yaygın olarak kullanılan beş açık kaynaklı proje kullanılmıştır. Bu çalışma kapsamında, söz konusu beş açık kaynaklı yazılım projesi veri kümesi olarak kullanılmış ve yazılım sürdürülebilirlik tahminine etkileri ile analiz edilmiştir. Yazılım metriklerinin analizi gerçekleştirilmiş ve yazılım metriklerinin tanımlayıcı istatistikleri sunulmuştur. Mevcut araştırma, yazılım bakımını doğru bir şekilde tahmin eden yazılım metriklerinin sonuçlarını elde etmiştir. Aynı zamanda, deneysel sonuçlar, elde edilen güvenlik açığı metriklerinin yazılım sürdürülebilirliğini tahmin etmede etkinliğini doğrulamaktadır. Deneysel sonuçlar, önerilen Derin Öğrenme tabanlı Simbiyotik Bağışıklık Ağı Modelinin, yazılım sürdürülebilirliği tahmininin önemli ölçüde daha etkili olmasını sağladığını kanıtlamaktadır.en_US
dc.identifier.citationBatur Şahin, C. (2021). The Role of Vulnerable Software Metrics on Software Maintainability Prediction. European Journal of Science and Technology, (23), 686-696.en_US
dc.identifier.doi10.31590/ejosat.858720
dc.identifier.endpage696en_US
dc.identifier.issn2148-2683en_US
dc.identifier.startpage686en_US
dc.identifier.urihttps://doi.org/10.31590/ejosat.858720
dc.identifier.urihttps://hdl.handle.net/20.500.12899/831
dc.identifier.volume23en_US
dc.institutionauthorBatur Şahin, Canan
dc.language.isoenen_US
dc.publisherDergiparken_US
dc.relation.ispartofEuropean Journal of Science and Technologyen_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDeep-Learningen_US
dc.subjectImmune Network Modelen_US
dc.subjectSymbiotic Learningen_US
dc.subjectSoftware Maintainabilityen_US
dc.subjectVulnerability metricsen_US
dc.subjectDerin Öğrenmeen_US
dc.subjectİmmün Ağ Modelien_US
dc.subjectSimbiyotik Öğrenmeen_US
dc.subjectYazılım Sürdürülebilirliğien_US
dc.subjectGüvenlik açığı metriklerien_US
dc.titleThe Role of Vulnerable Software Metrics on Software Maintainability Predictionen_US
dc.title.alternativeYazılım Sürdürülebilirlik Tahmininde Güvenlik Açığı Yazılım Metriklerinin Rolüen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
İsim:
mtu1.pdf
Boyut:
1.85 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama: