- 站内检索
- 发现检索
全部
图书
期刊
- 基于文本挖掘的漏洞信息聚类分析
- 作者： 高岭 申元 高妮 雷艳婷 孙骞 来源： 东南大学学报(自然科学版) 年份： 2015 文献类型 ： 期刊 关键词： 文本挖掘 聚类 漏洞信息 粒子群优化算法 余弦相似度
- 描述： 为了挖掘漏洞内在联系且高效管理漏洞信息,将文本处理和聚类算法应用于漏洞挖掘中.从漏洞库宏观角度出发,提出了一种基于文本挖掘和粒子群优化算法的漏洞信息聚类(PSO-Kmeans)算法.首先,通过文本处理,获取频词空间,用以将漏洞信息描述字段编码化;其次,为了减少局部最优和聚类中心选取不当对聚类结果的影响,利用粒子群优化算法获取全局聚类中心;最后,利用K-means算法实现漏洞信息的聚类,对漏洞信息进行分类别管理,并为预测未知漏洞特征提供参考.实验结果表明,PSO-K-means算法准确率达到90.16%,与K-means算法相比,其平均准确率提高约5%,平均迭代次数减少约45次.所提算法可预测3种未知漏洞的主要类别,是一种有效的漏洞分析方法.