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 | Размер | Формат | |
---|---|---|---|---|
6254n.pdf | 792,34 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.