<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=76839"><dc:title>Iskanje ranljivosti XSS v spletnih aplikacijah z uporabo metod strojnega učenja</dc:title><dc:creator>Kozulić,	Ivan	(Avtor)
	</dc:creator><dc:creator>Lukač,	Niko	(Mentor)
	</dc:creator><dc:subject>varnost spletnih aplikacij</dc:subject><dc:subject>XSS</dc:subject><dc:subject>JavaScript</dc:subject><dc:subject>strojno učenje</dc:subject><dc:description>Cross-site scripting (XSS) napadi še vedno predstavljajo veliko varnostno tveganje pri spletnih aplikacijah. V magistrskem delu predstavljamo metodo za iskanje ranljivosti v JavaScript programski kodi, pri čemer smo uporabili algoritme strojnega učenja. V teoretičnem delu najprej opišemo osnovne koncepte napadov XSS in z njimi povezane ranljivosti. Predstavimo tudi sorodne pristope za iskanje ranljivosti XSS. V praktičnem delu magistrskega dela pa se posvetimo načinu izračuna značilnic iz JavaScript kode ter pripravi učne in testne množice. Na podlagi značilnic smo usposobili model strojnega učenja za ločevanje ranljivih od neranljivih aplikacij. Iz rezultatov sklepamo, da je metoda učinkovita in nudi dodatno podporo pri odkrivanju ranljivosti XSS.</dc:description><dc:publisher>[I. Kozulić]</dc:publisher><dc:date>2020</dc:date><dc:date>2020-07-14 18:25:08</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>76839</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>