论文研究基于模糊熵特征选择算法的SVM在漏洞分类中的研究.pdf

漏洞的分类能够有效提高漏洞分析和修复的效率，其分类的方式是按照漏洞的特征进行，将漏洞特征的提取转换为漏洞文本特征的提取。针对漏洞的描述性文本较短，特征选择模糊等缺点，提出了一种基于模糊熵特征选择算法的SVM的漏洞分类方法对漏洞分类进行研究。该方法结合模糊熵理论和支持向量机分类方法的优点，设计类间类内隶属度函数来体现特征项的分布情况，并结合模糊熵的计算作为漏洞特征提取的依据，通过SVM进行分类学习，对漏洞进行分类。仿真实验表明，基于模糊熵特征选择算法的SVM的漏洞分类方法实际可行，且分类准确率高于基于KNN和最大熵模型的分类方法，具有一定的研究意义。