| 基于模糊熵特征选择算法的SVM在漏洞分类中的研究 |
| |
| 引用本文： | 张鹏,谢晓尧. 基于模糊熵特征选择算法的SVM在漏洞分类中的研究[J]. 计算机应用研究, 2015, 32(4) |
| |
| 作者姓名： | 张鹏 谢晓尧 |
| |
| 作者单位： | 贵州师范大学贵州省信息与计算科学重点实验室,贵阳,550001 |
| |
| 基金项目： | 国家科技支撑计划资助项目，中央财政支持地方高校发展专项基金资助项目 |
| |
| 摘 要： | 漏洞的分类能够有效提高漏洞分析和修复的效率,其分类的方式是按照漏洞的特征进行,将漏洞特征的提取转换为漏洞文本特征的提取.针对漏洞的描述性文本较短,特征选择模糊等缺点,提出了一种基于模糊熵特征选择算法的SVM的漏洞分类方法对漏洞分类进行研究.该方法结合模糊熵理论和支持向量机分类方法的优点,设计类间类内隶属度函数来体现特征项的分布情况,并结合模糊熵的计算作为漏洞特征提取的依据,通过SVM进行分类学习,对漏洞进行分类.仿真实验表明,基于模糊熵特征选择算法的SVM的漏洞分类方法实际可行,且分类准确率高于基于KNN和最大熵模型的分类方法,具有一定的研究意义.
|
| 关 键 词： | 模糊熵 支持向量机 漏洞特征 漏洞文本 特征选择 漏洞分类 |
Research on vulnerability classification based on SVM with fuzzy entropy feature selection algorithm |
| |
| ZHANG Peng,XIE Xiao-yao. Research on vulnerability classification based on SVM with fuzzy entropy feature selection algorithm[J]. Application Research of Computers, 2015, 32(4) |
| |
| Authors: | ZHANG Peng XIE Xiao-yao |
| |
| Abstract: | |
| |
| Keywords: | fuzzy entropy support vector machine the features of vulnerability vulnerability texts selective gain Vulnerability classification |
| 本文献已被 万方数据 等数据库收录！ |
|
