基于机器学习的网络安全漏洞监测系统设计

目前,对于网络安全漏洞监测主要是利用已有的漏洞样本,通过提取、匹配特征得到监测结果,无法根据网络状态变化进行自适应调整,导致监测系统的稳定性和准确程度较差。为提高监测漏洞准确率,有效提升网络安全防护工作效果,设计了基于机器学习的网络安全漏洞监测系统。先搭建3层监测系统架构,利用聚合层次聚类算法扫描漏洞,再通过分析漏洞属性,使用自适应模型监测网络安全漏洞。结果表明,机器学习监测漏洞的误检率平均为0.61%,压力测试表现良好,具有较佳的稳定性。