基于LDA主题模型的安全漏洞分类

被引：13

作者：

廖晓锋 ^{[1
,2
]}

王永吉 ^{[2
]}

范修斌 ^{[2
]}

吴敬征 ^{[2
]}

机构：

[1] 南昌大学信息工程学院

[2] 中国科学院软件研究所基础软件国家工程研究中心

来源：

清华大学学报(自然科学版) | 2012年 / 52卷 / 10期

关键词：

漏洞分类; 隐含Dirichlet分布(LDA); 支持向量机(SVM); 中国国家信息安全漏洞库(CNNVD);

D O I：

10.16511/j.cnki.qhdxxb.2012.10.006

中图分类号：

TP309 [安全保密];

学科分类号：

081201 ; 0839 ; 1402 ;

摘要：

采用隐含Dirichlet分布主题模型(latent Dirichletallocation,LDA)和支持向量机(support vector machine,SVM)相结合的方法,在主题向量空间构建一个自动漏洞分类器。以中国国家信息安全漏洞库(CNNVD)中漏洞记录为实验数据。实验表明:基于主题向量构建的分类器的分类准确度比直接使用词汇向量构建的分类器有8%的提高。

引用

页码：1351 / 1355

页数：5