科研之友
微信
新浪微博
Facebook
分享链接
摘要
为有效减少网络安全事件造成的损失，并对高风险网络资产进行漏洞评估，提出了一种基于量子粒子群轻量级梯度升降算法(QPSO-LightGBM:Quantum Particle Swarm Optimization-Light Gradient Boosting Machine)的多分类预测模型。该模型通过对少量过采样技术(MOTE:Minority Oversampling)进行合成从而达到数据平衡，采用量子粒子群算法(QPSO:Quantum Particle Swarm Optimization)实现参数的自动最优化，并使用LightGBM进行建模，进而实现网络资产的多分类预测。为验证模型的有效性，将所提模型与其他算法模型进行了比对，实验结果表明，该模型在各类预测性能指标上都取得了较好的效果。
-
单位安徽国防科技职业学院; 合肥工业大学
