基于Apriori风险数据分析的网络漏洞挖掘研究

• 作者: 管军霖 师功才 陈宏
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 网络漏洞挖掘 风险数据融合 关联规则
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 仿真网络化
• 页码范围: 343-347
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.072

摘要

针对网络漏洞挖掘,当前研究策略主要集中在对漏洞库的构造,并根据匹配性完成漏洞识别.上述方法对库的构造具有局限性,匹配过程也容易导致性能下降.为解决上述问题,提出了基于Apriori风险数据分析的漏洞挖掘方法.考虑到风险数据的异构和冗余特性,对其采取字段标准化,根据各字段的相似度,通过加权求解出风险数据的整体相似度.利用关联规则对数据采取分析挖掘,为了提高关联规则的查找性能,采用布尔矩阵优化的Apriori算法计算置信度和频集,通过评判矩阵确定关联规则对事务关联的体现.最后构建MapReduce架构实现Apriori漏洞挖掘算法,利用并行计算进一步优化算法处理速度.仿真结果表明,所提方法的响应时延仅为2.73s,证明漏洞挖掘的时间性能得到明显提高;方法的平均准确率高达93.87％,平均误报率仅为3.17％,证明漏洞挖掘的精确性得到明显提高.