熵的二叉樹(shù)多類(lèi)支持向量機(jī)的漏洞分類(lèi)
推薦 + 挑錯(cuò) + 收藏(0) + 用戶(hù)評(píng)論（0）
為了有效提高漏洞分類(lèi)的準(zhǔn)確性，針對(duì)基于二叉樹(shù)多類(lèi)支持向量機(jī)分類(lèi)算法的分類(lèi)復(fù)雜性和分類(lèi)結(jié)果依賴(lài)二叉樹(shù)的結(jié)構(gòu)等缺點(diǎn)，提出了一種基于熵的二又樹(shù)多類(lèi)支持向量機(jī)的漏洞分類(lèi)算法。根據(jù)定義最小超球體進(jìn)行漏洞樣本空間的分類(lèi)，有效地通過(guò)熵的計(jì)算來(lái)描述漏洞之間的混雜程度，使得漏洞分類(lèi)的計(jì)算過(guò)程被簡(jiǎn)化且能夠有效減少分類(lèi)結(jié)果對(duì)二又樹(shù)結(jié)構(gòu)的依賴(lài)。采用公共漏洞枚舉（CWE）漏洞分類(lèi)體系在收集到的3000個(gè)漏洞樣本上進(jìn)行大量仿真實(shí)驗(yàn)，漏洞分類(lèi)的平均準(zhǔn)確率和平均召回率達(dá)93. 3%和93. 25%，高于基于二叉樹(shù)多類(lèi)支持向量機(jī)分類(lèi)算法和K-近鄰（KNN）分類(lèi)算法得到的平均值。實(shí)驗(yàn)結(jié)果表明所提算法有效可行，能精確地實(shí)現(xiàn)漏洞的分類(lèi)。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
熵的二叉樹(shù)多類(lèi)支持向量機(jī)的漏洞分類(lèi)下載
相關(guān)電子資料下載
- 人工神經(jīng)網(wǎng)絡(luò)模型的分類(lèi)有哪些 134
- 一文快速了解RFID技術(shù)的構(gòu)成及分類(lèi) 109
- 車(chē)載無(wú)線(xiàn)技術(shù)分類(lèi)介紹 412
- 機(jī)器視覺(jué)光源的作用、分類(lèi)及實(shí)際應(yīng)用 118
- 神經(jīng)元的分類(lèi)包括哪些 235
- 卷積神經(jīng)網(wǎng)絡(luò)分類(lèi)方法有哪些 102
- cnn卷積神經(jīng)網(wǎng)絡(luò)分類(lèi)有哪些 106
- 什么神經(jīng)網(wǎng)絡(luò)模型適合做分類(lèi) 114
- 卷積神經(jīng)網(wǎng)絡(luò)在文本分類(lèi)領(lǐng)域的應(yīng)用 152
- 風(fēng)華貼片電容的分類(lèi)詳細(xì)介紹 86