S-C特征提取的计算机漏洞自动分类算法

来源：计算机科学与探索杂志2020年第7期北京时间：

作者：任家东，王倩，王菲，李亚洲，刘佳新

单位：1. 燕山大学 信息科学与工程学院，河北 秦皇岛 0660012. 河北省计算机虚拟技术与系统集成实验室，河北 秦皇岛 066001

摘要：近年来未知的计算机漏洞数量呈海量增长状态，对于大量的漏洞数据进行及时准确的分析和分类管理，是十分重要且有待解决的问题。因此，提出一种基于信息熵与综合函数[（S-C）]特征提取，并利用关联了特征词集间相互关系的平均一阶依赖贝叶斯模型（AODE）分类器的分类方法对计算机漏洞描述信息进行文本分类。首先，利用[S-C]特征提取法提取特征词。通过结合词语的类间重要程度和类内重要程度的综合函数[C]，计算出词语对于类别的重要程度。再利用词语对于类别间的信息熵[S]，来弱化对于分类较为混乱的词语的重要程度，选取得到准确的特征词集。最后，利用关联了特征词集间相互关系的AODE对漏洞数据集进行分类。通过实验对比表明，[S-C]特征提取法能够提取准确的特征词集，并且结合AODE分类器的分类准确率要高于传统的分类器模型。

关键词：计算机漏洞,文本分类,特征提取,信息熵