基于卷积神经网络的软件漏洞自动分类方法

作者：刘烊侨; 杨频; 王炎

来源：现代计算机(专业版), 2020, (15): 68-74.

• 漏洞分类
• 卷积神经网络
• 深度学习
• 软件安全性

目前基于机器学习的漏洞自动化分类存在特征提取困难,而基于深度学习的漏洞自动化分类存在效果不佳的问题。因此,提出一种基于深度神经网络的漏洞自动化分类模型(Word2Vec-CNN),该模型使用Word2Vec方法构建词向量,利用CNN神经网络模型构造自动漏洞分类器,实现有效的漏洞分类。根据美国国家漏洞数据库(NVD)中所记录的漏洞信息,将其用于验证所提出模型的有效性。并将Word2Vec-CNN模型的分类效果与One-hot-CNN模型、One-hot-RNN模型、Word2Vec-RNN模型以及传统的神经网络、贝叶斯算法在准确率、召回率、精度和F1得分几个方面进行比较,Word2Vec-CNN模型具有更好的性能。

• 单位
  四川大学