威脅情報分析可為網(wǎng)絡攻防提供有效的攻防信息,而細粒度的挖掘即網(wǎng)絡威脅情報數(shù)據(jù)中的安全實體及實體間的關系,是網(wǎng)絡威脅情報分析研究的熱點。傳統(tǒng)的機器學習算法,在被應用到大規(guī)模網(wǎng)絡威脅情報數(shù)據(jù)分析中時,面臨著稀疏、高維等問題,進而難以有效地捕獲網(wǎng)絡信息。為此,針對網(wǎng)絡安全漏洞的分類問題,文中提出了一種基于漏洞威脅模式的網(wǎng)絡表示學習算法——HSEN2vec。該算法旨在最大限度地捕獲異構安全實體網(wǎng)絡的結構和語義信息,并從中獲得安全實體的低維向量表示。該算法首先基于漏洞威脅模式獲取異構安全實體網(wǎng)絡的結構信息,隨后通過Skip-gram模型建模,并通過負采樣技術進行有效預測進而得到最終的向量表示。實驗結果表明,在國家安全漏洞數(shù)據(jù)上,與其他方法相比,利用所提算法進行漏洞分類的準確率等評價指標有所提升。 

【文章來源】：計算機科學. 2020,47(07)北大核心CSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 問題定義
3 基于漏洞威脅模式的網(wǎng)絡表示學習
    3.1 威脅模式的生成算法
    3.2 異構Skip-gram算法
    3.3 異構負采樣算法
4 實驗及分析
    4.1實驗設置
    4.2 基于不同訓練模型的向量表示分類對比實驗
    4.3 基于T S的向量表示的數(shù)據(jù)屬性維度對比實驗
    4.4 基于T S的參數(shù)靈敏度對比實驗分析
    4.5 基于TS的詞云圖實際應用分析


【參考文獻】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡的網(wǎng)絡安全實體識別方法[J]. 秦婭,申國偉,趙文波,陳艷平.  南京大學學報(自然科學). 2019(01)
[2]一種融合節(jié)點文本屬性信息的網(wǎng)絡表示學習算法[J]. 劉正銘,馬宏,劉樹新,楊奕卓,李星.  計算機工程. 2018(11)
[3]網(wǎng)絡空間威脅情報共享技術綜述[J]. 楊沛安,武楊,蘇莉婭,劉寶旭.  計算機科學. 2018(06)
[4]基于多語義元路徑的異質網(wǎng)節(jié)點分類方法[J]. 杜永萍,劉京旋,張津麗.  模式識別與人工智能. 2017(12)
[5]大數(shù)據(jù)環(huán)境下的威脅情報分析[J]. 李超,周瑛.  情報雜志. 2017(09)
[6]網(wǎng)絡表示學習綜述[J]. 涂存超,楊成,劉知遠,孫茂松.  中國科學:信息科學. 2017(08)
[7]網(wǎng)絡空間威脅情報感知、共享與分析技術綜述[J]. 李建華.  網(wǎng)絡與信息安全學報. 2016(02)
[8]異構信息網(wǎng)絡上基于圖正則化的半監(jiān)督學習[J]. 劉鈺峰,李仁發(fā).  計算機研究與發(fā)展. 2015(03)
[9]一種基于元路徑的異質信息網(wǎng)絡鏈路預測模型[J]. 黃立威,李德毅,馬于濤,鄭思儀,張海粟,付鷹.  計算機學報. 2014(04)
[10]信息系統(tǒng)漏洞挖掘技術體系研究[J]. 張友春,魏強,劉增良,周穎.  通信學報. 2011(02)



本文編號：3193694