Les tests unitaires comme méthode de prévention contre les injections SQL
Notice bibliographique
Résumé
Ce mémoire de maîtrise explore l’utilisation des tests unitaires afin de prévenir les vulnérabilités relatives aux injections SQL. Les injections SQL demeurent encore et toujours l’une des failles de sécurité les plus courantes et potentiellement dangereuses dans les applications. Cette étude examine comment les tests unitaires peuvent servir de rempart contre ces vulnérabilités en permettant d’identifier celles-ci et en les corrigeant de façon adéquate. L’approche adoptée dans ce mémoire comprend une analyse approfondie des techniques de test actuelles et de leur intégration dans les processus de développement sécuritaire de logiciel. En mettant l’accent sur la méthodologie de développement et des scénarios réalistes, nous souhaitons proposer une pratique de test unitaire spécifique pour détecter les faiblesses et prévenir les injections SQL dès les premières phases du développement. Les résultats de cette étude démontrent que l’adoption de tests unitaires appropriés peut renforcer la sécurité du code source en réduisant significativement les risques d’exploitation des vulnérabilités aux injections SQL. En démontrant l’efficacité de ces derniers, ce mémoire offre un aperçu des bénéfices de cette approche aux équipes de développement pour renforcer la résilience des applications contre les attaques par injections SQL.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».