Automatické vyhodnocení četnosti výskytu chyb v reálných projektech

Třeštík, Pavel

Automatické vyhodnocení četnosti výskytu chyb v reálných projektech

dc.contributor.advisor	Lipka Richard, Ing. Ph.D.	cs
dc.contributor.author	Třeštík, Pavel	cs
dc.contributor.referee	Potužák Tomáš, Ing. Ph.D.	cs
dc.date.accepted	2025-09-02
dc.date.accessioned	2026-02-19T16:00:11Z
dc.date.available	2023-09-08
dc.date.available	2026-02-19T16:00:11Z
dc.date.issued	2025-06-19
dc.date.submitted	2025-06-19
dc.description.abstract	Tato diplomová práce se zabývá automatickou klasifikací softwarových zranitelností podle systému Common Weakness Enumeration (CWE). Výsledný klasifikátor může být použit k vyhodnocení četnosti CWE chyb na reálném projektu, nebo třeba přiřazování CWE k nově objeveným Common Vulnerabilities and Exposures (CVE). Nejprve jsou analyzovány dostupné datové zdroje a možné implementační techniky klasifikátoru. Hlavní pozornost je věnována předtrénovaným velkým jazykovým modelům (LLM). Je provedeno několik experimentů ve snaze vyladit kandidáty LLM na klasifikátor CWE. Nejvhodnějším základním modelem byl zvolen CodeT5 od společnosti Salesforce. Na základě provedených experimentů jsou použity dvě vyladěné konfigurace modelu CodeT5 pro použití na reálných datech. Pro zhodnocení modelu jsou použita unikátní data vycházející z datasetu CVEFixes. Následně je model také použit pro získání četností tříd CWE z vybraných GitHub projektů. Výsledný klasifikátor ovšem neprokazuje příliš dobré výsledky, a proto je otázkou, zda jsou LLM vhodnou volbou pro tento typ úlohy a zda by se budoucí práce neměly zaměřit na specializovanější architektury modelů.	cs
dc.description.abstract-translated	This thesis focuses the automatic classification of software vulnerabilities according to the Common Weakness Enumeration (CWE) system. The resulting classifier can be used to evaluate the frequency of CWE weaknesses in a real project, or for assigning CWE labels to newly discovered Common Vulnerabilities and Exposures (CVE). First, available data sources and possible implementation techniques for the classifier are analyzed. The main focus is on pretrained large language models (LLMs). Several experiments are conducted in an effort to fine-tune LLM candidates for CWE classification. The most suitable base model was determined to be CodeT5 from Salesforce. Based on the conducted experiments, two fine-tuned configurations of the CodeT5 model are used for real data. To evaluate the model, unique data derived from the CVEFixes dataset is used. Subsequently, the model is also used to obtain the frequency of CWE classes from selected GitHub projects. However, the resulting classifier does not show very good results, and it raises the question of whether LLMs are a suitable choice for this type of task, and whether future work should focus on more specialized model architectures.	en
dc.description.department	Katedra informatiky a výpočetní techniky	cs
dc.description.result	Obhájeno	cs
dc.format	73
dc.identifier	96765
dc.identifier.uri	http://hdl.handle.net/11025/64874
dc.language.iso	cs
dc.publisher	Západočeská univerzita v Plzni	cs
dc.rights	Plný text práce je přístupný bez omezení	cs
dc.rights.access	openAccess	cs
dc.subject	CWE	cs
dc.subject	klasifikace zranitelností	cs
dc.subject	velké jazykové modely	cs
dc.subject	strojové učení	cs
dc.subject.translated	CWE	en
dc.subject.translated	vulnerability classification	en
dc.subject.translated	large language models	en
dc.subject.translated	machine learning	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd	cs
dc.thesis.degree-level	Navazující	cs
dc.thesis.degree-name	Ing.	cs
dc.thesis.degree-program	Softwarové a informační systémy	cs
dc.title	Automatické vyhodnocení četnosti výskytu chyb v reálných projektech	cs
dc.title.alternative	Automatic evaluation of the frequency of software errors in real projects	en
dc.type	diplomová práce	cs
local.files.count	8	*
local.files.size	3564468481	*
local.has.files	yes	*
local.relation.IS	https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=96765