Построение модели машинного обучения для задачи классификации степени критичности CVE-уязвимостей

Abstract

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.