基于QPSOLightGBM网络资产脆弱性评估模型
文档名：基于QPSOLightGBM网络资产脆弱性评估模型
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:QuantumParticleSwarmOptimization-LightGradientBoostingMachine)的多分类预测模型.该模型通过对少量过采样技术(MOTE:MinorityOversampling)进行合成从而达到数据平衡,采用量子粒子群算法(QPSO:QuantumParticleSwarmOptimization)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.
作者：戴泽淼Author：DAIZemiao
作者单位：安徽国防科技职业学院信息技术学院,安徽六安237011;合肥工业大学计算机与信息学院,合肥230601
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(4)
分类号：TP389
关键词：脆弱性评估轻量的梯度提升机(LightGBM)评估模型量子粒子群算法(QPSO)网络资产
Keywords：vulnerabilityassessmentlightgradientboostingmachine(LightGBM)evaluationmodelquantumparticleswarmoptimization(QPSO)networkassets
机标分类号：U698TP391.41TS2
在线出版日期：2023年9月26日
基金项目：国家重点研发计划，安徽省自然科学研究重大基金资助项目基于QPSO-LightGBM网络资产脆弱性评估模型[
期刊论文]吉林大学学报（信息科学版）--2023, 41(4)戴泽淼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:QuantumParticleSwarmOptimization-LightGradientBoostingMachine)的多分类预测...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于QPSO-LightGBM网络资产脆弱性评估模型Vulnerability Assessment Model of Network Asset Based on QPSO-LightGBM
基于QPSO-LightGBM网络资产脆弱性评估模型.pdf
页:
[1]