基于模糊熵特征选择算法的SVM在漏洞分类中的研究

• 作者: 张鹏 谢晓尧
• 来源期刊: 计算机应用研究
• 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
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 信息安全技术
• 页码范围: 1145-1148
• 页数: 4页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.04.044

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢晓尧	贵州师范大学贵州省信息与计算科学重点实验室	101	352	9.0	12.0
2	张鹏	贵州师范大学贵州省信息与计算科学重点实验室	6	29	4.0	5.0