Інтелектуальний метод виявлення вразливостей типу переповнення буферу в програмному забезпеченні

Скорочена інформація про документ
dc.contributor.authorПетляк, Наталія
dc.contributor.authorГордєєв, Богдан
dc.contributor.authorПелехата, Анастасія
dc.contributor.authorНагорняк, Андрій
dc.contributor.authorPetliak, Natalia
dc.contributor.authorGordieiev, Bohdan
dc.contributor.authorPelekhata, Anastasia
dc.contributor.authorNagornyak, Andriy
dc.date.accessioned2026-01-27T07:44:31Z
dc.date.available2026-01-27T07:44:31Z
dc.date.issued2025
dc.description.abstractУ сучасних умовах цифрової трансформації програмне забезпечення стало ключовим інструментом функціонування суспільства, економіки та держави. Зростання його складності супроводжується виникненням нових ризиків інформаційної безпеки, серед яких особливу небезпеку становлять переповнення буферу. Такі вразливості здатні призвести до витоку даних, порушення цілісності інформаційних систем або навіть до виконання шкідливого коду зловмисниками. Традиційні методи ручного аудиту та класичного тестування коду демонструють обмежену ефективність, адже потребують значних людських і часових ресурсів та не забезпечують належного рівня достовірності у великих масштабах. Це зумовлює актуальність пошуку нових підходів, що базуються на автоматизації та інтеграції інтелектуальних алгоритмів у процес аналізу програм. У даній роботі запропоновано метод виявлення вразливостей типу переповнення буферу, який поєднує математичне моделювання, символьне виконання програмного коду та алгоритм Q-навчання як інструмент адаптивного симулятивного покриття. Метод забезпечує підвищення точності та достовірності аналізу, а також сприяє зменшенню кількості хибнопозитивних результатів. Проведене тестування довело ефективність розробленого підходу у практичних умовах, що дозволяє розглядати його як перспективну складову сучасних систем кіберзахисту
dc.description.abstractThe rapid growth of information technologies and the complexity of software systems has intensified the risks of security vulnerabilities, among which buffer overflow remains one of the most critical. Traditional methods such as manual code auditing, static and dynamic analysis, and conventional testing are limited by scalability, accuracy, and high false-positive rates. This research proposes an intelligent method for detecting buffer overflow vulnerabilities that integrates mathematical modelling, symbolic execution, and reinforcement learning through Q-learning. The approach models buffer overflow conditions formally, employs symbolic variables to explore execution paths systematically, and applies Q-learning to mitigate the path explosion problem by prioritising the most promising branches. Constraint-based test input generation ensures realistic scenarios that activate potential vulnerabilities while reducing false positives. The method was implemented using LLVM-based symbolic execution (KLEE), dynamic instrumentation (Valgrind), and Python-based Q-learning with TensorFlow and OpenAI Gym. Experimental validation on synthetic benchmarks and real-world vulnerable code demonstrated improvements of over 30% in execution path coverage and a 20% reduction in false positives compared to classical symbolic execution. The study highlights the potential of combining formal models, symbolic analysis, and reinforcement learning to improve both precision and reliability in software vulnerability detection. The developed approach shows promise for integration into modern cybersecurity tools to enhance early identification of critical defects. Future work will focus on optimising computational efficiency, extending applicability to other vulnerability classes, and validating performance in large-scale industrial systems
dc.identifier.citationІнтелектуальний метод виявлення вразливостей типу переповнення буферу в програмному забезпеченні / Н. Петляк, Б. Гордєєв, А. Пелехата, А. Нагорняк // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2025. – № 4. – С. 182-187.
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/20578
dc.language.isouk
dc.publisherХмельницький національний університет
dc.subjectінформаційна безпека
dc.subjectнавчання з підкріпленням
dc.subjectQ-навчання
dc.subjectпереповнення буферу
dc.subjectвиявлення вразливостей
dc.subjectкібербезпека
dc.subjectinformation security
dc.subjectreinforcement learning
dc.subjectQ-learning
dc.subjectbuffer overflow
dc.subjectvulnerability detection
dc.subject.udc004
dc.titleІнтелектуальний метод виявлення вразливостей типу переповнення буферу в програмному забезпеченні
dc.title.alternativeIntelligent method for detecting buffer overflow vulnerabilities in software
dc.typeСтаття
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Назва:
VOTTP_4_2025+182-187.pdf
Розмір:
829.49 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Назва:
license.txt
Розмір:
4.26 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
ВОТТП - 2025 рік