학술논문
基于LightGBM算法的漏洞利用预测研究 / Research on Prediction of Vulnerability Exploitation Based on LightGBM Algorithm
Document Type
Academic Journal
Author
Source
郑州大学学报（工学版） / Journal of Zhengzhou University(Engineering Science). 43(5):24-30
Subject
Language
Chinese
ISSN
1671-6833
Abstract
为解决企业在面对日益庞大的漏洞修复体量时找不到重点、无从下手等问题,提出了一种基于决策树算法的提升框架LightGBM(light gradient boosting machine)的漏洞利用预测模型.该模型能在海量安全漏洞或者新公开漏洞中预测漏洞是否存在漏洞利用,从而使企业可以优先关注此类漏洞.首先,通过整理国内外漏洞利用相关的研究成果,发现可被利用的漏洞符合巴莱多定律,并且可以通过机器学习算法实现对公开漏洞的可利用情报预测;其次,收集了近5 a的CVE漏洞信息以及从Sebbug、Exploit-DB等主流漏洞情报平台获取的漏洞利用数据,提取相关特征,构建了一套新的数据集;再次,将漏洞利用预测工作整合为二分类问题,并充分考虑了算法模型在实际工作的场景以及海量数据处理的能力,选取了包括LightGBM、SVM等在网络安全领域应用较多的算法模型,并进行了建模学习;最后,经过多次仿真实验以及参数优化,发现该模型在准确率、召回率等方面均优于其他模型,分别达到了83％和76％,说明该模型具备较好的预测效果和应用价值.同时研究成果也能为企业信息安全工作提供一定的建设思路与数据参考.