.png){kind=icon}
返回
An explainable method for security requirements classification through transformer models
.png){kind=icon}
PRE
AI
DOI：10.1016/j.future.2026.108544.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对软件需求进行分类是一项具有挑战性的任务，因为它们通常以自然语言的形式进行说明。此外，识别与安全相关的需求，特别是在早期阶段，有助于在开发过程中尽早整合这些概念，并降低未经授权访问、数据泄露及其他安全威胁的可能性。本文提出了一种分类安全需求的方法。我们通过利用训练过程中所有模型权重并采用低秩适配（Low-Rank Adaptation）方法，对多个Transformer模型进行了微调，该方式为适配预训练Transformer到特定任务提供了更高效和有效的方法。为优化其性能，我们采用了超参数调优阶段。此外，我们比较并分析了两种最佳模型在两种方法上的性能，并通过三种常见方法（注意力权重可视化、集成梯度和SHAP）提供了解释性分析，这些方法有助于我们更好地理解模型的决策过程。
Keyword:
security requirements classification
transformer models
explainable AI
low-rank adaptation
hyperparameter tuning
期刊
F
IF:
0
论文数:
642
被引数:
0
机构
引用论文
An end-to-end deep learning system for requirements classification using recurrent neural networks使用递归神经网络进行需求分类的端到端深度学习系统
PREAI
分享收藏On hyperparameter optimization of machine learning algorithms: Theory and practice机器学习算法的超参数优化: 理论与实践.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Domain Ontology for Requirements Classification in Requirements Engineering Context需求工程环境中需求分类的领域本体IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏OptunaProceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
PREAI
分享收藏Enhancing Misuse Cases With Risk Assessment for Safety Requirements通过安全要求的风险评估来增强滥用案例IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容