Обеспечение безопасности программного обеспечения становится все более критичным в условиях стремительного роста кибератак. Количество уязвимостей, используемых злоумышленниками, увеличивается, что подчеркивает важность их своевременного выявления. Методы машинного обучения показали свою эффективность в автоматизации процессов выявления уязвимостей, сокращая время анализа и улучшая его точность. Обучение с подкреплением обеспечивает значительные преимущества благодаря своей адаптивности: применение RL особенно актуально в условиях, когда атаки постоянно эволюционируют, а новые уязвимости появляются быстрее, чем их можно обнаружить традиционными методами.

Менисов А.Б., Магонов Р.В., Исаев Н.Э. (науч. рук. Менисов А.Б.) Методика адаптивного выявления уязвимого программного кода на основе машинного обучения с подкреплением // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/14757