EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

CODE-SMASH: Source-Code Vulnerability Detection Using Siamese and Multi-Level Neural Architecture

Sungmin Han, Hyunkyung Nam, Jaesik Kang, Kwangsoo Kim, Seungjae Cho, Sangkyun Lee

IEEE Access · 2024 · 12 · 102492-102504

DOI: 10.1109/access.2024.3432323 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2024. Verfasst von Sungmin Han und 5 weiteren Autor:innen. Die Arbeit wurde bisher 8-mal zitiert (Crossref) und nennt 50 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Korea University, LIG Nex1.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Korea University
  • LIG Nex1

Zitieren

APA

Han, S., Nam, H., Kang, J., Kim, K., Cho, S., & Lee, S. (2024). CODE-SMASH: Source-Code Vulnerability Detection Using Siamese and Multi-Level Neural Architecture. IEEE Access, 12, 102492-102504. https://doi.org/10.1109/access.2024.3432323

Vancouver

Han S, Nam H, Kang J, Kim K, Cho S, Lee S. CODE-SMASH: Source-Code Vulnerability Detection Using Siamese and Multi-Level Neural Architecture. IEEE Access. 2024;12:102492-102504. doi:10.1109/access.2024.3432323

BibTeX
@article{Han2024,
  author = {Han, Sungmin and Nam, Hyunkyung and Kang, Jaesik and Kim, Kwangsoo and Cho, Seungjae and Lee, Sangkyun},
  title = {CODE-SMASH: Source-Code Vulnerability Detection Using Siamese and Multi-Level Neural Architecture},
  journal = {IEEE Access},
  year = {2024},
  volume = {12},
  pages = {102492--102504},
  doi = {10.1109/access.2024.3432323}
}
Kostenlos starten →