విషయ సూచిక:
- నిర్వచనం - దుర్బలత్వం డిస్కవరీ మరియు రెమిడియేషన్ అంటే ఏమిటి?
- టెకోపీడియా వల్నరబిలిటీ డిస్కవరీ మరియు రెమిడియేషన్ గురించి వివరిస్తుంది
నిర్వచనం - దుర్బలత్వం డిస్కవరీ మరియు రెమిడియేషన్ అంటే ఏమిటి?
దుర్బలత్వం ఆవిష్కరణ మరియు నివారణ అనేది చొరబాటుదారులచే దోపిడీ చేయబడుతున్న వ్యవస్థ యొక్క సమస్యను మరియు అల్గోరిథంల వాడకాన్ని పరిష్కరించే ప్రక్రియ, దీనిని బలహీనత ఆవిష్కరణ నమూనాలు (VDM లు) అని పిలుస్తారు. హానిని గుర్తించకుండా నిరోధించడానికి లేదా హాని నివారణ అని పిలువబడే ఒక ప్రక్రియలో వాటి ప్రభావాన్ని నాన్-క్రిటికల్ ఎఫెక్ట్కు తగ్గించడానికి రూపొందించిన చర్యలతో ఇవి కలిసి పనిచేస్తాయి.టెకోపీడియా వల్నరబిలిటీ డిస్కవరీ మరియు రెమిడియేషన్ గురించి వివరిస్తుంది
సాఫ్ట్వేర్ రూపకల్పన చేసిన తర్వాత, కింది VDM అల్గోరిథంల సహాయంతో ఇప్పటికే ఉన్న ఏదైనా హానిని గుర్తించవచ్చు:
- అండర్సన్ థర్మోడైనమిక్ మోడల్: వాస్తవానికి సాఫ్ట్వేర్ విశ్వసనీయత కోసం రూపొందించబడింది. నిర్దిష్ట సంఖ్యలో పరీక్షలను అమలు చేసిన తర్వాత అనేక హానిలను వదిలివేస్తే, దుర్బలత్వం ఎదురైనప్పుడు అది తీసివేయబడిందని మరియు కొత్త దోషాలు ప్రవేశపెట్టబడలేదని మోడల్ umes హిస్తుంది.
- అల్హాజ్మి-మలైయా లాజిస్టిక్ (AML) మోడల్: ఇది సాఫ్ట్వేర్ అభివృద్ధిలో పెరుగుదల, శిఖరం మరియు పతనం వంటి మూడు దశలను umes హిస్తుంది. సాఫ్ట్వేర్పై శ్రద్ధ ఎక్కువగా ఉంటుంది మరియు ఇది గరిష్ట స్థాయికి చేరుకునే వరకు పెరుగుతుంది మరియు సాఫ్ట్వేర్ యొక్క క్రొత్త సంస్కరణను రూపొందించినప్పుడు పడిపోతుంది. దుర్బలత్వం కనుగొనబడిన రేటు చాలా ఎక్కువ. ఇది సంతృప్తిని చేరుకుంటుంది మరియు క్షీణించడం ప్రారంభిస్తుంది, ఎందుకంటే తరువాతి దశలలో చాలా దుర్బలత్వం పరిష్కరించబడుతుంది మరియు సాఫ్ట్వేర్పై తక్కువ శ్రద్ధ ఉంటుంది.
- రెస్కోలా లీనియర్ మోడల్: హానిని గుర్తించే పరీక్షలను రెస్కోలా లీనియర్ మోడల్ మరియు ఎక్స్పోనెన్షియల్ మోడల్ స్టాటిస్టికల్ టెస్ట్లుగా నిర్వచించింది. మునుపటిలో, కనుగొనబడిన దుర్బలత్వాల సంఖ్య నిర్ణీత వ్యవధిలో విభజించబడింది మరియు లెక్కించబడుతుంది, అయితే తరువాతి కాలంలో ఎక్స్పోనెన్షియల్ కారకం లాంబ్డా కాల వ్యవధిలో హానిని లెక్కించడానికి ఉపయోగిస్తారు.
- లోగరిథమిక్ పాయిజన్ మోడల్: సాఫ్ట్వేర్ అభివృద్ధి చెందుతున్నప్పుడు దుర్బలత్వాన్ని కనుగొనటానికి ఇది పాయిజన్ వక్రతతో పాటు లాగరిథమిక్ పారామితుల సమితిని ఉపయోగిస్తుంది. దీనిని మూసా-ఒకోమోటో మోడల్ అని కూడా అంటారు.
