《传统机器学习对于漏洞类别与危害等级的预测分析》2100字.docxVIP

传统机器学习对于漏洞类别与危害等级的预测分析

目录

TOC\o1-3\h\u16749传统机器学习对于漏洞类别与危害等级的预测分析 1

128471.1.1传统机器学习特征提取 1

312711.1.2传统机器学习模型训练测试 2

106171.1.3传统机器学习模型优化 3

174141.1.4传统机器学习模型训练 4

691.1.5传统机器学习方法小结 5

传统机器学习特征提取

为了提高分类器效能，我们采用特征选择方法中Wrapper法的思想，采用多种特征化方法，并将多种特征矩阵组合以构造最终的特征矩阵。我们首先基于词频法与tf-idf法对漏洞条目构建特征数据集。由于原文离散程度较高，很多有用特征的频数并不突出，因此对于频数较低的特征，我们也尽量保留。对于两个模型，min_df（最小文档频率）均设置为0.01，max_df（最大文档频率）均设置为0.9。另使用n-gram方法，参数设定为（1，2），使得模型基于单个或两个词的组合生成特征。最后两个模型均得727个特征，按此方法生成的特征矩阵总计大小（32200,1454）。此特征数据集被以5:1的比例划分为训练集与测试集，供多个模型训练与测试。

图4-1传统机器学习特征提取流程简要示意图

传统机器学习模型训练测试

我们选择使用AdaBoost、RandomForest、