Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://libr.msu.by/handle/123456789/15209
Название: Построение модели машинного обучения для задачи классификации степени критичности CVE-уязвимостей
Авторы: Доронин, А. К.
Липницкий, В. А.
Ключевые слова: машинное обучение
конволюционные нейронные сети
анализ данных
уязвимости компьютерных систем
оценка степени критичности уязвимости
векторное представление слов
обработка текста
Дата публикации: 2020
Издательство: Магілёўскі дзяржаўны ўніверсітэт імя А. А. Куляшова
Библиографическое описание: Доронин, А. К. Построение модели машинного обучения для задачи классификации степени критичности CVE-уязвимостей / А. К. Доронин, В. А. Липницкий // Веснік Магілёўскага дзяржаўнага ўніверсітэта імя А. А. Куляшова. Сер. В. Прыродазнаўчыя навукі (матэматыка, фізіка, біялогія). – 2020. – № 1 (55). – С. 51–63.
Краткий осмотр (реферат): В статье рассматривается использование методов машинного обучения в сочетании с алгоритмом представления слов в многомерном векторном пространстве GloVe для задачи предсказания критичности уязвимости, основываясь лишь на ее текстовом описании. В качестве набора данных для анализа и обучения используется база данных об уязвимостях NVD. В статье приведен анализ записей об уязвимостях, механизм оценки уязвимостей, на основании чего обосновывается выбор признаков для обучения модели. Описываются различные подходы и методы для построения векторных представлений слов, обосновывается выбор векторов, построенных алгоритмом GloVe. Также приводится сравнительный анализ работы модели на наборах векторов GloVe различных размерностей, сделаны выводы об использовании 50-размерных векторов GloVe. Приводятся несколько возможных дальнейших практических применений обученной модели.
URI (Унифицированный идентификатор ресурса): http://libr.msu.by/handle/123456789/15209
Располагается в коллекциях:2020, № 1 (55)

Файлы этого ресурса:
Файл Описание РазмерФормат 
6254n.pdf792,34 kBAdobe PDFЭскиз
Просмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.