基于LDA主题模型的安全漏洞分类方法

摘要：

漏洞分类是深入开展漏洞研究和分析的前提基础.国内外大量工作局限在词汇向量空间层面构建漏洞分类器,所采用的数据大多来自国外漏洞数据库.为了更深入了解中国信息安全漏洞的现状,本文以中国国家信息安全漏洞库(CNNVD)中的漏洞记录为实验数据,在主题向量空间层面,采用隐含狄利克雷分布主题模型(I_atent Dirichlet Allocation,LDA)和支持向量机(Support Vector Machine,SVM)相结合的方法,构建一个自动漏洞分类器.实验表明,基于主题向量构建的分类器,比直接使用词汇向量构建的分类器有更好的分类效果.

关键词： 信息安全 漏洞分类 主题模型

作者: 廖晓锋 王永吉 范修斌 吴敬征

作者单位: 南昌大学信息工程学院,江西 330029;中国科学院软件研究所,基础软件国家工程研究中心,北京100190 中国科学院软件研究所,基础软件国家工程研究中心,北京100190 中国科学院软件研究所,北京100190

会议类型: 国内会议

会议名称: 第五届信息安全漏洞分析与风险评估大会

会议地点: 上海

会议语种:中文

页码: 335-344

在线出版日期: 2012-12-06（万方平台首次上网日期，不代表论文的发表时间）