Towards Identifying Vulnerabilities with Delayed Patching and Public Disclosure in Open-Source Communities
Notice bibliographique
Résumé
The number of open-source software (OSS) projects has been increasing over the last few years. OSS projects are widely used either directly or as a nth dependency. However, OSS projects also have an increasing trend of vulnerabilities. These vulnerabilities are not effectively managed with consideration to timely patching and disclosures, ultimately leading to exploits. Moreover, due to the nature of OSS, the activities, including code changes, discussions, etc, are available to the public and thus can be monitored by malicious hackers to create exploits. Further, there is a large time gap between the vulnerability reporting, discussion, patching, and disclosure stages, which can be misused to create exploits. In this Master’s Thesis, we explore the mismanagement of vulnerabilities, particularly delays in the disclosures and patching process. Further, we analyze the vulnerabilities with extremely large gaps (i.e., more than 365 days and term them as“Delinquent Vulnerabilities”) between the reporting, discussion, and disclosure stages with the help of a thorough qualitative analysis to find the underlying reasons for the delays. We further evaluate the state-of-the-art (SOTA)vulnerability detection models on the collected set of these extremely delayed vulnerabilities. Further, we perform qualitative analysis on the delinquent vulnerabilities not detected by SOTA to derive insights for formulating strategies for more efficient detection of vulnerabilities. Accordingly, we develop a novel vulnerability detection approach.“DelinquentVulnDetector” that incorporates multiple types of artifacts observed during the vulnerability lifecycle to capture a combined representation for vulnerability detection. Lastly, we evaluate DelinquentVulnDetector along with the SOTA on a set of 275 vulnerabilities, wherein DelinquentVulnDetector detects 196 vulnerabilities while all the SOTAs combined can detect 182 DCVEs.
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 | 0,006 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».