吉首大学学报（自然科学版）
吉首大學學報（自然科學版）
길수대학학보（자연과학판）
JOURNAL OF JISHOU UNIVERSITY
2013年
1期
66-71
,共6页
支持向量机(SVM)%公共漏洞和暴露(CVE)%分类特征
支持嚮量機(SVM)%公共漏洞和暴露(CVE)%分類特徵
지지향량궤(SVM)%공공루동화폭로(CVE)%분류특정
针对CVE字典缺少分类和归纳能力,无法为多重系统漏洞设计有效防御策略的局限,提出了CVE分类器的CVE漏洞分类框架.该CVE分类器根据不同的分类特征对CVE进行分类,在支持向量机的帮助下,CVE分类器自动地从相关的漏洞数据库(包括BID,X-Force和Secunia)中抽取训练数据,并基于该训练数据为分类特征建立学习模型.
針對CVE字典缺少分類和歸納能力,無法為多重繫統漏洞設計有效防禦策略的跼限,提齣瞭CVE分類器的CVE漏洞分類框架.該CVE分類器根據不同的分類特徵對CVE進行分類,在支持嚮量機的幫助下,CVE分類器自動地從相關的漏洞數據庫(包括BID,X-Force和Secunia)中抽取訓練數據,併基于該訓練數據為分類特徵建立學習模型.
침대CVE자전결소분류화귀납능력,무법위다중계통루동설계유효방어책략적국한,제출료CVE분류기적CVE루동분류광가.해CVE분류기근거불동적분류특정대CVE진행분류,재지지향량궤적방조하,CVE분류기자동지종상관적루동수거고(포괄BID,X-Force화Secunia)중추취훈련수거,병기우해훈련수거위분류특정건립학습모형.
